损失函数loss是mse函数

损失函数（Loss Function）是机器学习中用于衡量模型预测结果与实际标签之间差距的重要指标。均方误差（Mean Squared Error, MSE）是一种常用的损失函数，特别是在回归任务中。MSE计算的是预测值与真实值之间的平均平方差。

MSE的具体计算公式如下：
\[ \text{MSE} = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 \]
其中，\( y_i \) 是第 \( i \) 个样本的实际值，\( \hat{y}_i \) 是模型对于该样本的预测值，\( n \) 是总样本数。

MSE的特点是：
1. 它鼓励模型给出接近于真实值的预测，因为平方误差越大，MSE的值也越大，表示模型的错误更明显。
2. 对异常值敏感，因为较大的偏差会被平方放大，可能导致整体损失偏大。