请给出求下列回归算法的最小mse值的方式 # 对数据进行划分 data_features = ['平台Steam参考价格', '在售数量', '求购最高价', '求购数量', '价格1', '价格2', '价格3'] data_target = '价格' x_train,x_test,y_train,y_test = train_test_split(data_Buff_update[data_features],data_Buff_update[data_target],test_size=0.7,random_state=42)reg = LinearRegression().fit(x_train, y_train) y_pred = reg.predict(x_test)

可以使用均方误差（MSE）来评估回归算法的预测效果，MSE 越小，说明预测结果越准确。计算 MSE 的方式如下：

from sklearn.metrics import mean_squared_error

mse = mean_squared_error(y_test, y_pred)
print("最小 MSE 值为:", mse)

其中，`mean_squared_error(y_test, y_pred)` 用于计算真实值 `y_test` 和预测值 `y_pred` 的 MSE 值。