使用Python自定义线性回归损失函数

在Python中，自定义线性回归的损失函数通常是用来衡量模型预测值与真实值之间的差异。最常用的损失函数是均方误差(Mean Squared Error, MSE)，它计算的是每个预测值与实际值之差的平方的平均值。如果你想要自定义这个函数，可以按照以下步骤：

import numpy as np

def custom_mse(y_true, y_pred):
    """
    自定义均方误差损失函数
    :param y_true: 真实标签 (numpy array)
    :param y_pred: 预测值 (numpy array)
    :return: 损失值 (浮点数)
    """
    return np.mean((y_true - y_pred) ** 2)

# 使用例子
y_true = [1, 2, 3, 4, 5]
y_pred = [0.9, 1.8, 2.7, 3.6, 4.5]  # 假设这是模型的预测结果
loss = custom_mse(y_true, y_pred)
print(f"自定义MSE损失: {loss}")