在Python中，计算均方误差（Mean Squared Error, MSE）通常使用NumPy库，其基本公式为：
```
MSE = 1/n * ∑（yi - y_pred）²
其中，`yi` 是真实值，`y_pred` 是预测值，`n` 是数据点的数量。```pythonimport numpy as np
def mean_squared_error（y_true, y_pred）:
return np.mean（（y_true - y_pred） 2）
示例数据
y_true = np.array（[1, 2, 3, 4, 5]）
y_pred = np.array（[1.2, 2.5, 3.3, 4.1, 5.8]）
计算均方误差
mse = mean_squared_error（y_true, y_pred）
print（"Mean Squared Error:", mse）
输出结果为：
```
Mean Squared Error: 0.
这个函数`mean_squared_error`接受两个参数：`y_true`表示真实值数组，`y_pred`表示预测值数组。计算出的MSE值越小，表示模型的预测越准确。