机器学习中常见的损失函数及其源代码实现

在机器学习中，损失函数（loss function）是用来衡量模型预测结果与真实标签之间的差异的函数。选择合适的损失函数对于训练一个有效的机器学习模型非常重要。本文将介绍几种常见的机器学习损失函数，并提供它们的源代码实现。

1. 均方误差损失函数（Mean Squared Error，MSE）
   均方误差是回归问题中最常见的损失函数之一，它计算预测值与真实值之间的平均平方差。它的数学表达式如下：

MSE = (1/n) * Σ(y_pred - y_true)^2

其中，y_pred 是模型的预测值，y_true 是真实标签，n 是样本数量。

以下是均方误差损失函数的源代码实现：

def mean_squared_error(y_true, y_pred):
    n = len