LoslegenKostenlos loslegen

Den RF-Regressor evaluieren

Du bewertest jetzt die RMSE auf dem Testset für den Random-Forest-Regressor rf, den du in der vorherigen Übung trainiert hast.

Der Datensatz ist bereits für dich aufbereitet und in 80 % Training und 20 % Test aufgeteilt. Die Feature-Matrix X_test sowie das Array y_test stehen in deinem Workspace zur Verfügung. Zusätzlich haben wir das Modell rf geladen, das du in der vorherigen Übung trainiert hast.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit baumbasierten Modellen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere mean_squared_error aus sklearn.metrics als MSE.
  • Sage die Test-Labels voraus und weise das Ergebnis y_pred zu.
  • Berechne die RMSE auf dem Testset und speichere sie in rmse_test.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import mean_squared_error as MSE
from ____.____ import ____ as ____

# Predict the test set labels
y_pred = ____.____(____)

# Evaluate the test set RMSE
rmse_test = ____

# Print rmse_test
print('Test set RMSE of rf: {:.2f}'.format(rmse_test))
Code bearbeiten und ausführen