Vous allez maintenant mesurer les performances de la régression sur les données d’entraînement et de test à l’aide de deux métriques : la racine de l’erreur quadratique moyenne (RMSE) et l’erreur absolue moyenne (MAE). C’est une étape essentielle qui permet de voir à quel point les prédictions du modèle sont « proches » des valeurs réelles.

La bibliothèque numpy a été importée sous le nom np. Les fonctions mean_absolute_error et mean_squared_error ont été chargées. Les variables cibles d’entraînement et de test sont disponibles sous train_Y et test_Y, et les valeurs prédites d’entraînement et de test sont respectivement importées sous train_pred_Y et test_pred_Y.

Préparation des données pour la prédiction d’achats

Create Your Free Account