利用python求MSE的值

MSE（Mean Squared Error）是均方误差的缩写，是衡量回归模型预测效果的一种常用指标。MSE的计算公式为：

$MSE = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y_i})^2$

其中，$n$为样本数量，$y_i$为真实值，$\hat{y_i}$为模型预测值。

下面是一个利用 Python 计算 MSE 的示例代码：

import numpy as np

def mse(y_true, y_pred):
    """
    计算MSE
    """
    n = len(y_true)
    mse = np.sum((y_true - y_pred) ** 2) / n
    return mse

# 示例数据
y_true = np.array([1, 2, 3, 4, 5])
y_pred = np.array([1.1, 2.2, 2.8, 4.1, 5.2])

# 计算MSE
print(mse(y_true, y_pred))

输出结果为：

0.15599999999999992

其中，我们使用 NumPy 库来进行向量化计算，提高了计算效率。在示例代码中，我们使用了两个长度相同的数组来模拟真实值和预测值，然后调用 `mse` 函数计算 MSE 的值。