我正在尝试为一个数据集构建一个回归器，该数据集提供有关学生的学校表现和被他们选择的大学录取的可能性的信息。

前 5 个观察结果如下所示：

    GRE_Score  TOEFL_Score  Uni_Rating  LOR   CGPA  Research Chance_of_admit
0      337         118           4      4.5   9.65     1          0.92
1      324         107           4      4.5   8.87     1          0.76
2      316         104           3      3.5   8.00     1          0.72
3      322         110           3      2.5   8.67     1          0.80
4      314         103           2      3.0   8.21     0          0.65

到目前为止，我已经构建了以下回归器：线性回归器、knn 回归器和循环神经网络。（我稍后会尝试更多。）

到目前为止，为了在我的模型中进行选择，我在测试集上对前两个回归器使用了“score”方法（它返回$R^2$对于它们中的每一个）和网络测试集上的“评估”方法（它返回 MeanSquaredError ）。

所以，请记住$R^2$和 MeanSquaredError 有不同的公式，我如何将我的网络与其他两个模型进行比较？

任何帮助深表感谢。