LoslegenKostenlos starten

Lineare Regression vs. Regressionsbaum

In dieser Übung vergleichst du die RMSE des Test-Sets von dt mit der einer linearen Regression. Ein lineares Regressionsmodell lr wurde bereits instanziiert und auf demselben Datensatz wie dt trainiert.

Die Feature-Matrix X_test, das Array der Zielwerte y_test, das trainierte lineare Regressionsmodell lr, die unter dem Alias MSE importierte Funktion mean_squared_error sowie rmse_dt aus der vorherigen Übung stehen dir in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Sag die Labels des Test-Sets mit dem linearen Regressionsmodell (lr) voraus und weise das Ergebnis y_pred_lr zu.

  • Berechne die MSE des Test-Sets und weise das Ergebnis mse_lr zu.

  • Berechne die RMSE des Test-Sets und weise das Ergebnis rmse_lr zu.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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