python 线性回归r2

线性回归是一种常见的机器学习算法，用于建立一个线性模型来预测连续型的目标变量。R2（也称为决定系数）是评估线性回归模型拟合程度的指标，它表示模型对目标变量的解释能力。

在Python中，可以使用scikit-learn库来进行线性回归和计算R2。下面是一个简单的示例代码：

# 导入所需的库
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

# 创建线性回归模型对象
model = LinearRegression()

# 假设有一些训练数据 X 和对应的目标变量 y
X = [[1], [2], [3], [4], [5]]
y = [2, 4, 6, 8, 10]

# 训练模型
model.fit(X, y)

# 进行预测
y_pred = model.predict(X)

# 计算R2得分
r2 = r2_score(y, y_pred)

print("R2 score:", r2)

在上述代码中，首先导入了`LinearRegression`类和`r2_score`函数。然后创建了一个线性回归模型对象`model`。接着定义了一些训练数据`X`和对应的目标变量`y`。通过调用`fit`方法对模型进行训练，然后使用训练好的模型进行预测，并计算预测结果与真实值之间的R2得分。