使用sklearn等第三方数据分析的库，调用接口，直接使用已经设计好的线性回归模型进行测试集的预测，把均方误差（mean squared error、MSE）给打印出来。

在Python的数据分析和机器学习库sklearn中，你可以按照以下步骤来创建并评估线性回归模型的性能：

1. 首先，你需要安装sklearn库，如果尚未安装，可以使用pip命令进行安装：

   pip install scikit-learn

2. 导入必要的模块：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

3. 加载数据集，假设你的数据在CSV文件中：

data = pd.read_csv('your_dataset.csv')

4. 数据预处理（如特征选择、编码等），然后将数据分为训练集和测试集：

X = data.drop('target_column', axis=1) # 假设'目标列'为目标变量
y = data['target_column']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

5. 创建并训练线性回归模型：

model = LinearRegression()
model.fit(X_train, y_train)

6. 对测试集进行预测，并计算均方误差：

y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error (MSE):", mse)

现在，`mse`就是你想要的结果了。