如何用DataFrame以表格形式展示线性回归模型的MAE、MSE和R2？

首先纠正你代码里的两个小问题：

• MAE和MSE的计算函数搞反了：mean_absolute_error对应MAE，mean_squared_error对应MSE
• r2_score的参数顺序要注意：真实值y_test在前，预测值predictions在后，结果才准确

下面是生成规整DataFrame表格的完整方案：

完整代码示例 #

import pandas as pd
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score

# 修正指标计算逻辑
LinearRegression_MAE = mean_absolute_error(y_test, predictions)
LinearRegression_MSE = mean_squared_error(y_test, predictions)
LinearRegression_R2 = r2_score(y_test, predictions)

# 构造指标数据字典
metrics_data = {
    "指标名称": ["MAE", "MSE", "R²"],
    "线性回归模型": [LinearRegression_MAE, LinearRegression_MSE, LinearRegression_R2]
}

# 转换为DataFrame表格
Report = pd.DataFrame(metrics_data)

# 打印查看结果
print(Report)

运行后会输出类似这样的表格：

指标名称  线性回归模型
0   MAE    2.156
1   MSE   12.345
2    R²    0.892

可选：索引式表格形式 #

如果想要更紧凑的展示方式，可以把指标作为DataFrame的索引：

metrics_data = {
    "线性回归模型": {
        "MAE": LinearRegression_MAE,
        "MSE": LinearRegression_MSE,
        "R²": LinearRegression_R2
    }
}
Report = pd.DataFrame(metrics_data)

输出效果：

线性回归模型
MAE      2.156
MSE     12.345
R²       0.892

生成的Report是标准的DataFrame对象，你可以直接用于查看、导出为CSV/Excel文件，或者结合其他工具做可视化分析。

内容的提问来源于stack exchange，提问作者Ramsey A.