画出上述结果的R方和MAE训练集的拟合图

下面是画出上述结果的R方和MAE训练集的拟合图的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 计算R方
r2 = tree_reg.score(X_train, y_train)

# 计算MAE
mae = np.mean(np.abs(tree_reg.predict(X_train) - y_train))

# 绘制拟合图
plt.scatter(y_train, tree_reg.predict(X_train))
plt.plot([0, 50], [0, 50], 'r-')
plt.xlabel('True Values')
plt.ylabel('Predictions')
plt.title('R2 = {:.2f}, MAE = {:.2f}'.format(r2, mae))
plt.show()

在上面的代码中，我们首先使用 score() 方法计算了模型在训练集上的 R 方值，然后使用 predict() 方法预测了训练集上的目标值，并计算了模型的 MAE 值。最后，我们使用 scatter() 方法绘制了真实值和预测值之间的散点图，并使用 plot() 方法绘制了一条红色直线表示理想情况下真实值与预测值完全一致的情况，使用 xlabel() 和 ylabel() 方法设置坐标轴标签，使用 title() 方法设置图表标题，并使用 show() 方法显示图表。

需要注意的是，上述代码只对训练集进行了拟合图的绘制，如果需要画出测试集的拟合图，则可以将上述代码中的 X_train 和 y_train 替换为 X_test 和 y_test。