将以下语句定义成函数使其能重复调用 r2 = r2_score(y_test_scaled, y_pred) mse = mean_squared_error(y_test_scaled, y_pred) rmse = np.sqrt(mse)
时间: 2024-09-14 07:11:08 浏览: 56
Gpp.zip_Elimination_gaussian scaled_gpp_partial pivoting_高斯消元法
5星 · 资源好评率100%
当然,你可以把这些计算指标封装到一个函数中,以便于多次调用。这里是一个简单的例子:
```python
import sklearn.metrics as metrics
def calculate_metrics(y_test_scaled, y_pred):
r2 = metrics.r2_score(y_test_scaled, y_pred)
mse = metrics.mean_squared_error(y_test_scaled, y_pred)
rmse = np.sqrt(mse)
return r2, mse, rmse
# 使用时只需传入实际的测试数据和预测结果
y_test_scaled = ... # 填写测试数据标准化后的值
y_pred = ... # 填写模型的预测结果
r2, mse, rmse = calculate_metrics(y_test_scaled, y_pred)
```
这个`calculate_metrics`函数接受两个参数:`y_test_scaled` 和 `y_pred`,并返回三个指标的值。每次你需要计算这些指标时,只需要调用这个函数即可。
阅读全文