1. Apprendre
    2. /
  2. Cours
    3. /
  3. Apprentissage supervisé avec scikit-learn
Connected

Exercice

Prédire sur l'ensemble de test

Dans le dernier exercice, la régression linéaire et la régression Ridge semblaient donner des résultats similaires. Il serait raisonnable de retenir l'un ou l'autre de ces modèles; toutefois, vous pouvez vérifier la performance prédictive sur l'ensemble de test pour voir si l'un surpasse l'autre.

Vous utiliserez la « root mean squared error » (RMSE) comme métrique. Le dictionnaire models, qui contient les noms et les instances des deux modèles, a été préchargé pour vous, ainsi que les tableaux d'entraînement et cibles X_train_scaled, X_test_scaled, y_train et y_test.

Instructions

100 XP
  • Importez root_mean_squared_error.
  • Ajustez le modèle aux caractéristiques d'entraînement normalisées et aux étiquettes d'entraînement.
  • Faites des prédictions à l'aide des caractéristiques de test normalisées.
  • Calculez la RMSE en passant les étiquettes de l'ensemble de test et les étiquettes prédites.