CommencezCommencez gratuitement

Évaluer l'erreur de CV à 10 volets

Dans cet exercice, vous allez évaluer la racine de l'erreur quadratique moyenne (RMSE) avec validation croisée à 10 volets obtenue par l'arbre de régression dt que vous avez instancié à l'exercice précédent.

En plus de dt, les données d'entraînement X_train et y_train sont disponibles dans votre espace de travail. Nous avons aussi importé cross_val_score de sklearn.model_selection.

Notez que comme cross_val_score n'évalue que les MSE négatives, sa sortie doit être multipliée par moins un pour obtenir les MSE. La RMSE de la CV peut ensuite être calculée en prenant la racine carrée de la MSE moyenne.

Cette activité fait partie du cours

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

Voir le cours

Instructions de l’exercice

  • Calculez la MSE de dt avec validation croisée à 10 volets en définissant l'argument scoring à 'neg_mean_squared_error'.

  • Calculez la RMSE à partir des MSE obtenues.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))
Modifier et exécuter le code