上面那段代码拟合曲线代码实现以及模型评估代码实现

好的，下面是拟合曲线和模型评估的代码实现：

拟合曲线代码实现：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 构造数据
x = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([2.1, 3.9, 5.8, 8.2, 9.5]).reshape(-1, 1)

# 训练模型
model = LinearRegression()
model.fit(x, y)

# 预测结果
y_pred = model.predict(x)

# 绘制拟合曲线
plt.scatter(x, y, color='blue')
plt.plot(x, y_pred, color='red')
plt.show()

模型评估代码实现：

from sklearn.metrics import mean_squared_error, r2_score

# 计算均方误差
mse = mean_squared_error(y, y_pred)
print("Mean squared error: %.2f" % mse)

# 计算R2得分
r2 = r2_score(y, y_pred)
print("R2 score: %.2f" % r2)

以上代码中，我们首先使用 `LinearRegression` 类来训练模型，并使用 `predict` 方法预测结果。然后使用 `matplotlib` 库绘制拟合曲线。接着使用 `mean_squared_error` 和 `r2_score` 函数来评估模型性能。