1. Learn
    2. /
  2. Kurser
    3. /
  3. Machine Learning avec des modèles à base d'arbres en Python
Connected

övning

Évaluer l'erreur d'entraînement

Vous allez maintenant évaluer la RMSE sur le jeu d'entraînement obtenue par l'arbre de régression dt que vous avez instancié dans un exercice précédent.

En plus de dt, X_train et y_train sont disponibles dans votre espace de travail.

Remarquez que, dans scikit-learn, la MSE d'un modèle peut se calculer ainsi :

MSE_model = mean_squared_error(y_true, y_predicted)

où l'on utilise la fonction mean_squared_error du module metrics en lui passant d'abord les vraies étiquettes y_true comme premier argument, puis les étiquettes prédites par le modèle y_predicted comme second argument.

Instruktioner

100 XP
  • Importez mean_squared_error sous le nom MSE depuis sklearn.metrics.
  • Ajustez dt sur le jeu d'entraînement.
  • Prédisez les étiquettes du jeu d'entraînement avec dt et assignez le résultat à y_pred_train.
  • Évaluez la RMSE du jeu d'entraînement de dt et assignez-la à RMSE_train.