Python中均方差怎么计算

在Python中，均方差（Mean Squared Error, MSE）是评估一组数据点与预测值之间差异的一种统计量。它是每个数据点预测误差平方的平均值。计算均方差的步骤如下：

1. **计算每个数据点与均值的差**：首先，找出数据集的平均值（mean）。
2. **对每个差值求平方**：对于每一个数据点，减去平均值后，将结果的绝对值再平方。
3. **求所有差值平方的平均**：将所有数据点的平方误差相加，然后除以数据点的数量。

这里是一个简单的示例代码来计算均方差：

import numpy as np

def calculate_mse(true_values, predicted_values):
    # 确保数据为numpy数组
    true_values = np.array(true_values)
    predicted_values = np.array(predicted_values)

    # 计算均值
    mean = np.mean(true_values)

    # 计算平方误差
    squared_errors = (predicted_values - mean) ** 2

    # 计算均方差
    mse = np.mean(squared_errors)
    return mse

# 使用示例数据
true_data = [1, 2, 3, 4, 5]
predicted_data = [1.1, 2.2, 3.3, 4.4, 5.5]

mse = calculate_mse(true_data, predicted_data)
print(f"Mean Squared Error: {mse}")