x_MSE[:,i] = MSE_Replace #替换第i个特征 MSE_Score = model.score(x_MSE,y_MSE) MSE_Result = model.predict(x_MSE) MSE_ResidualSquare = (MSE_Result - y_MSE)**2 #计算残差平方 MSE_RSS = sum(MSE_ResidualSquare) #计算残差平方和 MSE_MSE = np.mean(MSE_ResidualSquare) #计算均方差 I...
下面是完整的代码示例: importnumpyasnp# 准备训练数据X=np.array([[1,3],[2,5],[3,7],[4,9]])y=np.array([4,7,10,13])# 线性回归模型训练w,b=np.linalg.lstsq(X,y,rcond=None)[0]# 模型预测x=np.array([5,11])y_pred=w*x+bprint("预测值:",y_pred)# MSE损失函数mse=np.mean(...