套索中的均方误差（MSE）和Python中的岭回归

实际上，我正在为一个数据集同时编写岭回归和套索回归，最后我试图绘制两种方法的性能图和误差图（MSE）

对于性能，我使用了从sklearn导入的命令

linear\u model.ridge.score（）

和

linear\u model.lasso.score（）。当我绘制图表时，它似乎保持在
0
和
1
之间，但当我试图分别计算两者的MSE时，它变成了一个大数字，即
798768
（完整列表）等
但是我还需要
0
和
1
之间的误差，这样当我绘制它时，我可以将它与性能进行比较

所以我的问题是：

有什么方法可以在不丢失信息的情况下将此类列表转换为0到1之间的数字？
您可以使用其“标准化版本”——确定系数R^2（），它保证在0到1之间。
有关详细信息，请参阅此答案。
分数是百分比，MSE是数量。您可能需要RMSE，因此它与您的输入使用相同的单位，因为这样更容易理解。或者，如果需要，您可以使用MAPE作为百分比。请添加一些有关MAPE的链接。。？