ComenzarEmpieza gratis

Evalúa el error de CV a 10

En este ejercicio, evaluarás el error cuadrático medio de CV a 10 (RMSE) conseguido por el árbol de regresión dt que instanciaste en el ejercicio anterior.

Además de dt, los datos de entrenamiento que incluyen X_train y y_train están disponibles en tu espacio de trabajo. También importamos cross_val_score de sklearn.model_selection.

Ten en cuenta que, como cross_val_score solo tiene la opción de evaluar los MSEs negativos, su salida debe multiplicarse por uno negativo para obtener los MSEs. El CV RMSE puede obtenerse calculando la raíz cuadrada de la media MSE.

Este ejercicio forma parte del curso

Machine learning con modelos basados en árboles en Python

Ver curso

Instrucciones de ejercicio

  • Calcula el MSE con validación cruzada a 10 del dt ajustando el argumento scoring a 'neg_mean_squared_error'.

  • Calcula RMSE a partir de las puntuaciones obtenidas en MSE.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# Compute the array containing the 10-folds CV MSEs
MSE_CV_scores = - ____(____, ____, ____, cv=____, 
                       ____='____',
                       n_jobs=-1)

# Compute the 10-folds CV RMSE
RMSE_CV = (____.____)**(____)

# Print RMSE_CV
print('CV RMSE: {:.2f}'.format(RMSE_CV))
Editar y ejecutar código