# 定义损失函数

接下来，我们使用**均方误差**（ **MSE** ）定义损失函数。 MSE 定义如下：

有关 MSE 的更多详细信息，[请访问此链接](http://www.statisticshowto.com/mean-squared-error/)

`y`的实际值和估计值的差异称为**残留**。损失函数计算残差平方的平均值。我们通过以下方式在 TensorFlow 中定义它：

```py
loss = tf.reduce_mean(tf.square(model - y_tensor))
```

*   `model - y_tensor`计算残差
*   `tf.square(model - y_tensor)`计算每个残差的平方
*   `tf.reduce_mean( ... )`最终计算在前一步骤中计算的平方均值

我们还定义**均方误差**（ **mse** ）和 **r 平方**（ **rs** ）函数来评估训练模型。我们使用单独的`mse`函数，因为在接下来的章节中，损失函数将改变但`mse`函数将保持不变。

```py
# mse and R2 functions
mse = tf.reduce_mean(tf.square(model - y_tensor))
y_mean = tf.reduce_mean(y_tensor)
total_error = tf.reduce_sum(tf.square(y_tensor - y_mean))
unexplained_error = tf.reduce_sum(tf.square(y_tensor - model))
rs = 1 - tf.div(unexplained_error, total_error)
```