python 计算mse

MSE（Mean Squared Error）是一种用于度量回归模型预测值与真实值之间差异的常用指标，其计算公式为：

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

其中，$n$ 表示样本数量，$y_i$ 表示第 $i$ 个样本的真实值，$\hat{y_i}$ 表示模型预测的值。

下面是 Python 中计算 MSE 的代码示例：

import numpy as np

def mean_squared_error(y_true, y_pred):
    """
    计算均方误差（MSE）
    :param y_true: 真实值
    :param y_pred: 预测值
    :return: MSE
    """
    mse = np.mean(np.square(y_true - y_pred))
    return mse

其中，`np.square()` 用于计算平方，`np.mean()` 用于计算平均值。