有没有一个python (或matlab)函数可以在给定的输出向量集合和计算出的向量集合之间实现最小均方误差？

import numpy as np

# 输入输出向量集合
output_vectors = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
computed_vectors = np.array([[2, 3, 4], [5, 6, 7], [8, 9, 10]])

# 使用最小二乘法计算最小均方误差
coefficients, residuals, rank, singular_values = np.linalg.lstsq(output_vectors, computed_vectors, rcond=None)

# 最小均方误差
mse = residuals / len(output_vectors)

print("最小均方误差：", mse)
print("系数矩阵：", coefficients)

pip install numpy

% 输入输出向量集合
output_vectors = [1, 2, 3; 4, 5, 6; 7, 8, 9];
computed_vectors = [2, 3, 4; 5, 6, 7; 8, 9, 10];

% 定义非线性模型函数
model = @(x) x(1) * output_vectors(:, 1) + x(2) * output_vectors(:, 2) + x(3) * output_vectors(:, 3);

% 使用最小二乘法计算最小均方误差
x0 = [0, 0, 0];  % 初始参数猜测值
options = optimoptions('lsqnonlin', 'Algorithm', 'levenberg-marquardt');
[x, resnorm] = lsqnonlin(model, x0, [], [], options);

% 最小均方误差
mse = resnorm / size(output_vectors, 1);

disp("最小均方误差：" + mse);
disp("系数向量：" + x);