Predecir los ingresos de películas
Vamos a empezar el reto de predecir los ingresos de películas construyendo una regresión lineal simple para estimar el log-ingreso de las películas a partir de la característica 'budget'. La métrica que usarás aquí es el RMSE (root mean squared error). Para calcularla con scikit-learn, puedes usar la función mean_squared_error() del módulo sklearn.metrics y luego tomar su raíz cuadrada con numpy.
El conjunto de datos movies ya se ha cargado y dividido en entrenamiento y prueba. Además, los valores faltantes se han sustituido por ceros. También estandarizamos la característica de entrada usando StandardScaler(). Échale un vistazo a los cursos de DataCamp sobre limpieza de datos e ingeniería de características si quieres aprender más sobre el preprocesamiento para Machine Learning.
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Instancia el modelo
LinearRegressionpor defecto. - Calcula las predicciones sobre el conjunto de prueba.
- Calcula el RMSE. La función
mean_squared_error()requiere dos argumentos:y_test, seguido de las predicciones.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Build and fit linear regression model
reg_lm = ____
reg_lm.fit(X_train, y_train)
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance using the RMSE
rmse = np.sqrt(____)
print('RMSE: {:.3f}'.format(rmse))