LoslegenKostenlos loslegen

Lineare Regression vs. Regressionsbaum

In dieser Übung vergleichst du den Testsatz RMSE von dt mit dem Ergebnis eines linearen Regressionsmodells. Wir haben bereits ein lineares Regressionsmodell lr instanziiert und es auf demselben Datensatz wie dt trainiert.

Die Merkmalsmatrix X_test, das Array der Labels y_test, das trainierte lineare Regressionsmodell lr, die Funktion mean_squared_error, die unter dem Alias MSE und rmse_dt aus der vorherigen Übung importiert wurde, sind in deinem Arbeitsbereich verfügbar.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit baumbasierten Modellen in Python

Kurs anzeigen

Anleitung zur Übung

  • Sage die Beschriftungen der Testmenge mithilfe des linearen Regressionsmodells (lr) voraus und ordne das Ergebnis y_pred_lr zu.

  • Berechne die Testmenge MSE und ordne das Ergebnis mse_lr zu.

  • Berechne die Testmenge RMSE und ordne das Ergebnis rmse_lr zu.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

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

# Compute mse_lr
____ = ____(____, ____)

# Compute rmse_lr
____ = ____

# Print rmse_lr
print('Linear Regression test set RMSE: {:.2f}'.format(rmse_lr))

# Print rmse_dt
print('Regression Tree test set RMSE: {:.2f}'.format(rmse_dt))
Code bearbeiten und ausführen