调用RandomForestRegressor的accuracy_score报AttributeError如何解决？

• accuracy_score是sklearn.metrics模块的独立函数，并非RandomForestRegressor类的内置属性/方法，通过模型实例RF调用该函数自然会触发属性不存在的报错。
• 你当前使用的是回归模型，而accuracy_score、混淆矩阵、召回率、精确率都是分类任务的专用评估指标，完全不适用于回归场景，即使纠正调用方式也无法得到有意义的结果。

回归任务需使用适配连续值预测的评估指标，常用的包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R²）等，调用方式如下：

from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
import numpy as np

# 传入真实标签和模型预测值即可计算指标
mse = mean_squared_error(y_test, yPrediRF)
rmse = np.sqrt(mse)
mae = mean_absolute_error(y_test, yPrediRF)
r2 = r2_score(y_test, yPrediRF)

# 输出结果示例
print(f"MSE: {mse:.2f}")
print(f"RMSE: {rmse:.2f}")
print(f"MAE: {mae:.2f}")
print(f"R²: {r2:.2f}")

内容的提问来源于stack exchange，提问作者PRAKHAR MISHRA