回归模型性能
现在，您已经使用 sales_df 中的所有特征拟合了模型 reg，并得到了对销售额的预测，接下来可以用常见的回归指标来评估其性能。
上一个练习中的变量 X_train、X_test、y_train、y_test 和 y_pred，以及已拟合的模型 reg，都已为您预加载。
您的任务是评估这些特征对目标值方差的解释能力，并衡量模型在未见数据上的预测表现。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 导入
root_mean_squared_error。 - 调用合适的方法，传入测试集特征与测试集目标值，计算模型的 R-squared 分数。
- 使用
y_test和y_pred计算模型的均方根误差（RMSE）。 - 打印
r_squared和rmse。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import root_mean_squared_error
from ____.____ import ____
# Compute R-squared
r_squared = reg.____(____, ____)
# Compute RMSE
rmse = ____(____, ____)
# Print the metrics
print("R^2: {}".format(____))
print("RMSE: {}".format(____))