ComenzarEmpieza gratis

Evaluar el árbol de regresión

En este ejercicio, evaluarás el rendimiento del conjunto de pruebas de dt utilizando la métrica Error cuadrático medio (RMSE). La RMSE de un modelo mide, por término medio, cuánto difieren las predicciones del modelo de las etiquetas reales. El RMSE de un modelo puede obtenerse calculando la raíz cuadrada del Error Cuadrático Medio del modelo (MSE).

La matriz de características X_test, la matriz y_test, así como el regresor del árbol de decisión dt que entrenaste en el ejercicio anterior están disponibles en tu espacio de trabajo.

Este ejercicio forma parte del curso

Machine learning con modelos basados en árboles en Python

Ver curso

Instrucciones de ejercicio

  • Importa la función mean_squared_error como MSE desde sklearn.metrics.
  • Predice las etiquetas del conjunto de pruebas y asigna la salida a y_pred.
  • Calcula el conjunto de pruebas MSE llamando a MSE y asigna el resultado a mse_dt.
  • Calcula el conjunto de prueba RMSE y asígnalo a rmse_dt.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

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

# Compute y_pred
____ = ____.____(____)

# Compute mse_dt
____ = ____(____, ____)

# Compute rmse_dt
____ = ____

# Print rmse_dt
print("Test set RMSE of dt: {:.2f}".format(rmse_dt))
Editar y ejecutar código