from sklearn.linear_model import LinearRegression 可以用于计算 R2 吗

当然可以。在Python的scikit-learn库中，`LinearRegression`是一个用于执行简单线性回归的模型。当你创建了一个`LinearRegression`实例并拟合了数据之后，它会提供一个`score()`方法来评估模型的性能，其中包括计算R^2得分（也称为决定系数）。R^2反映了模型解释目标变量变异性程度的比例。

以下是使用`LinearRegression`进行拟合并计算R2的一个例子：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

# 假设 X 是特征，y 是目标变量
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测并计算R2分数
y_pred = model.predict(X_test)
r2 = metrics.r2_score(y_test, y_pred)
print(f"R2 Score: {r2}")

这里的`metrics.r2_score()`实际上是独立使用的，即使不直接从`LinearRegression`获取，也能单独计算出R2分数。