已知如下数据x=[1，2，3，4，5，6，7，8，9，10]y=[3，5，7，9，11，13，15，17，19，21]请使用sklearn中最小二乘法拟f(x)函数，并计算mse与R²

首先，为了使用Python的scikit-learn库进行最小二乘法线性回归并计算均方误差(MSE)和决定系数(R²)，我们需要按照以下步骤操作：

1. 导入所需的库：

from sklearn.linear_model import LinearRegression
import numpy as np

2. 定义输入特征 `X` 和目标变量 `y`。在这种情况下，我们可以直接将 `x` 作为一维数组传递，因为它们都是数值型数据：

x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
y = np.array([3, 5, 7, 9, 11, 13, 15, 17, 19, 21])

3. 创建线性回归模型并拟合数据：

model = LinearRegression()
model.fit(x.reshape(-1, 1), y)

4. 预测值 `y_pred`：

y_pred = model.predict(x.reshape(-1, 1))

5. 计算均方误差 (MSE)：

mse = np.mean((y - y_pred) ** 2)

6. 计算决定系数 (R²)：

r2 = model.score(x.reshape(-1, 1), y)

现在，你可以将上述代码放入一个函数中，以便重复使用。完整的代码示例如下：

def calculate_metrics(x, y):
    # ... (之前的步骤)

    mse = np.mean((y - y_pred) ** 2)
    r2 = model.score(x.reshape(-1, 1), y)
    
    return mse, r2

mse, r2 = calculate_metrics(x, y)
print(f"均方误差 (MSE): {mse}")
print(f"决定系数 (R²): {r2}")