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

Exercice

Performance en régression

Vous avez maintenant ajusté un modèle, reg, en utilisant toutes les variables explicatives de sales_df, et généré des prédictions de valeurs de ventes. Vous pouvez évaluer la performance avec des mesures classiques de régression.

Les variables X_train, X_test, y_train, y_test et y_pred, ainsi que le modèle ajusté reg, tous issus de l'exercice précédent, ont été préchargés pour vous.

Votre tâche consiste à mesurer dans quelle mesure les variables explicatives permettent d'expliquer la variance de la cible et à évaluer la capacité du modèle à prédire sur des données jamais vues.

Instructions

100 XP
  • Importez root_mean_squared_error.
  • Calculez le score R au carré du modèle en passant les valeurs des variables explicatives de test et les valeurs cibles de test à une méthode appropriée.
  • Calculez l'erreur quadratique moyenne racine du modèle en utilisant y_test et y_pred.
  • Affichez r_squared et rmse.