mse python_python3 MSE实现

完整的源代码如下：

from sklearn import datasets

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression#线性回归

import numpy as np

from sklearn.metrics import mean_squared_error

#计算MSE/R^2(均方差)

#print(tf.version)

def scoreReg():

#testY是一维数组，predicY是二维数组，故需要将testY转换一下

MSE=np.sum(np.power((testY.reshape(-1,1) - predicY),2))/len(testY)

R2=1-MSE/np.var(testY)

print(“MSE:”,MSE)

print(“R2:”, R2)

#sklearn求解的MSE值

MSE2 = mean_squared_error(testY, predicY)

print(“MSE2:”, MSE2)

if name == ‘main’:

#波士顿房价预测数据，在这里我们取“RM”特征值x与房价预测结果y

#boston.data[:,5] 表示 “RM”特征值列数据

boston = datasets.load_boston()

x=boston.data[:,5]

y=boston.target

#过滤掉异常值

x=x[y<50]

y=y[y<50]

trainX, testX, trainY, testY = train_test_split(x, y)

reg=LinearRegression()

reg.fit(np.array(trainX).reshape(-1,1),np.array(trainY).reshape(-1,1))

predicY=reg.predict(np.array(testX).reshape(-1,1))

scoreReg()

上图为运行结果