对那个代价函数Python代码实现

代价函数（Cost Function），也称为损失函数，在机器学习和优化算法中用于评估模型预测结果与实际值之间的差异。常见的代价函数有均方误差（MSE）、交叉熵（Cross Entropy）等。以下是使用Python代码实现一个简单的线性回归模型的均方误差（Mean Squared Error, MSE）作为代价函数的例子：

import numpy as np

def mean_squared_error(y_true, y_pred):
    """
    计算均方误差代价函数

    参数:
    y_true (numpy array): 真实值
    y_pred (numpy array): 预测值

    返回:
    mse (float): 均方误差值
    """
    diff = y_true - y_pred
    squared_diff = diff ** 2
    mse = np.mean(squared_diff)
    return mse

# 示例用法
y_true = [1, 2, 3, 4, 5]
y_pred = [0.9, 1.8, 2.7, 3.6, 4.5]  # 这是一个拟合线性模型的简单预测
mse_value = mean_squared_error(y_true, y_pred)
print(f"均方误差: {mse_value}")