CommencezCommencez gratuitement

Régression linéaire vs arbre de régression

Dans cet exercice, vous comparerez la RMSE sur l'ensemble de test de dt à celle obtenue par un modèle de régression linéaire. Nous avons déjà instancié un modèle de régression linéaire lr et l'avons entraîné sur le même jeu de données que dt.

La matrice de caractéristiques X_test, le tableau des étiquettes y_test, le modèle de régression linéaire entraîné lr, la fonction mean_squared_error importée sous l'alias MSE, ainsi que rmse_dt de l'exercice précédent sont disponibles dans votre espace de travail.

Cette activité fait partie du cours

Machine Learning avec des modèles à base d'arbres en Python

Voir le cours

Instructions de l’exercice

  • Prédisez les étiquettes de l'ensemble de test avec le modèle de régression linéaire (lr) et assignez le résultat à y_pred_lr.

  • Calculez la MSE sur l'ensemble de test et assignez le résultat à mse_lr.

  • Calculez la RMSE sur l'ensemble de test et assignez le résultat à rmse_lr.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))
Modifier et exécuter le code