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

最后

以上就是无情书本为你收集整理的python3 MSE实现的全部内容，希望文章能够帮你解决python3 MSE实现所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。