Python 3.x 属性错误：'；梯度增强回归器&x27；对象没有属性'；np'；

我想要梯度增强算法的均方根，但当我想要打印它时，我收到一个属性错误

my_best_model.np.sqrt(metrics.mean_squared_error(X_test_new, y_test_new))


output:

AttributeError                            Traceback (most recent call last)
<ipython-input-80-9c2e86b2ddf9> in <module>
----> 1 my_best_model.np.sqrt(metrics.mean_squared_error(X_test_new, y_test_new))

AttributeError: 'GradientBoostingRegressor' object has no attribute 'np'

my_best_model.np.sqrt（metrics.mean_squared_error（X_test_new，y_test_new））
输出：
AttributeError回溯（最近一次呼叫上次）
在里面
---->1 my_best_model.np.sqrt（度量值均方误差（X_检验新，y_检验新））
AttributeError:“GradientBoostingRegressionor”对象没有属性“np”

这不是正确的用法；假设

my_best_model

是一个合适的梯度增强回归器，您应该使用：

from sklearn.metrics import mean_squared_error

mse = mean_squared_error(y_test_new, my_best_model.predict(X_test_new))
rmse = np.sqrt(mse)

---

这不是正确的用法；假设

my_best_model

是一个合适的梯度增强回归器，您应该使用：

from sklearn.metrics import mean_squared_error

mse = mean_squared_error(y_test_new, my_best_model.predict(X_test_new))
rmse = np.sqrt(mse)

---

np.sqrt（sklearn.metrics.mean_square_error（my_best_model.predict（X_test_new），y_test_new））

np.sqrt（sklearn.metrics.mean_square_error（my_best_model.predict（X_test_new），y_test__new））谢谢它的工作。但是我如何才能运行这段代码而不出错呢？我的最佳模式。分数（X测试新，y测试新）我认为他们是same@CFD

score

属性是特定于模型的，对于GBR，是确定系数R^2，而不是MSE（）。避免它是个好主意，但是您的代码不应该产生任何错误。这是我从模型中得到的。你怎么看？调整后的模型R2训练数据准确度：72.86%调整后的模型R2测试数据准确度：44.46%调整后的模型RMSE测试数据准确度：45164。39101312308@CFD评论不是进行此类讨论的合适场所，而且我对您的数据和问题一无所知；一般来说，1）像“R^2精度”和“RMSE精度”这样的术语是不正确的-我们通常会将术语“精度”保存在分类问题中2）我建议您甚至不用为R^2操心-请参阅我的答案的最后一部分，以感谢它的有效性。但是我如何才能运行这段代码而不出错呢？我的最佳模式。分数（X测试新，y测试新）我认为他们是same@CFD

score

属性是特定于模型的，对于GBR，是确定系数R^2，而不是MSE（）。避免它是个好主意，但是您的代码不应该产生任何错误。这是我从模型中得到的。你怎么看？调整后的模型R2训练数据准确度：72.86%调整后的模型R2测试数据准确度：44.46%调整后的模型RMSE测试数据准确度：45164。39101312308@CFD评论不是进行此类讨论的合适场所，而且我对您的数据和问题一无所知；一般来说，1）像“R^2精度”和“RMSE精度”这样的术语是不正确的-我们通常会将术语“精度”保存在分类问题中2）我建议您甚至不用为R^2操心-有关详细信息，请参阅我答案的最后一部分