Predecir en el conjunto de pruebas

En el último ejercicio, la regresión lineal y la cresta parecían producir resultados similares. Sería adecuado seleccionar cualquiera de esos modelos; sin embargo, puedes comprobar el rendimiento predictivo en el conjunto de pruebas para ver si alguno de ellos puede superar al otro.

Utilizarás el error cuadrático medio (RMSE) como métrica. Se te ha precargado el diccionario models, que contiene los nombres y las instancias de los dos modelos, junto con las matrices de entrenamiento y de destino X_train_scaled, X_test_scaled, y_train y y_test.

Este ejercicio forma parte del curso

Aprendizaje supervisado con scikit-learn

Ver curso

Instrucciones de ejercicio

  • Importa mean_squared_error.
  • Ajusta el modelo a las características de entrenamiento escaladas y a las etiquetas de entrenamiento.
  • Haz predicciones utilizando las características de prueba escaladas.
  • Calcula RMSE pasando las etiquetas del conjunto de pruebas y las etiquetas predichas.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# Import mean_squared_error
from ____.____ import ____

for name, model in models.items():
  
  # Fit the model to the training data
  ____
  
  # Make predictions on the test set
  y_pred = ____
  
  # Calculate the test_rmse
  test_rmse = ____(____, ____, squared=____)
  print("{} Test Set RMSE: {}".format(name, test_rmse))