基于for循环计算四种拟合方法的均方误差（MSE）并比较效果

要计算四种拟合方法的均方误差（MSE），可以使用以下的for循环来实现： ```python import numpy as np # 原始测量值 y_true = np.array([1, 2, 3, 4, 5]) # 拟合后的估计值 y_pred_1 = np.array([1.2, 2.3, 2.8, 4.1, 5.2]) y_pred_2 = np.array([1.1, 2.1, 3.1, 4.1, 5.1]) y_pred_3 = np.array([1.5, 2.5, 3.5, 4.5, 5.5]) y_pred_4 = np.array([1.3, 2.2, 3.1, 4.0, 5.0]) # 计算均方误差（MSE） mse_1 = np.mean((y_true - y_pred_1) ** 2) mse_2 = np.mean((y_true - y_pred_2) ** 2) mse_3 = np.mean((y_true - y_pred_3) ** 2) mse_4 = np.mean((y_true - y_pred_4) ** 2) print("MSE 1:", mse_1) print("MSE 2:", mse_2) print("MSE 3:", mse_3) print("MSE 4:", mse_4) ``` 以上代码中，我们使用numpy库计算了四种拟合方法的均方误差（MSE）。通过计算每个拟合方法的预测值与真实值之间的差异的平方，并取平均值，得到了均方误差。 根据计算结果，可以比较四种拟合方法的均方误差，MSE值越小表示拟合效果越好。因此，可以通过比较这四个MSE值来确定哪种方法的拟合效果最好。