Régression linéaire ou arbre de régression
Dans cet exercice, vous comparerez l'ensemble de test RMSE de dt à celui obtenu par un modèle de régression linéaire. Nous avons déjà instancié un modèle de régression linéaire lr et l'avons entraîné sur le même ensemble de données que dt.
La matrice des caractéristiques X_test, le tableau des étiquettes y_test, le modèle de régression linéaire formé lr, la fonction mean_squared_error qui a été importée sous les alias MSE et rmse_dt à partir de l'exercice précédent sont disponibles dans votre espace de travail.
Cet exercice fait partie du cours
Apprentissage automatique avec des modèles arborescents en Python
Instructions
Prédire les étiquettes de l'ensemble de test à l'aide du modèle de régression linéaire (
lr) et attribuer le résultat ày_pred_lr.Calculez l'ensemble de test MSE et affectez le résultat à
mse_lr.Calculez l'ensemble de test RMSE et affectez le résultat à
rmse_lr.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Predict test set labels
____ = ____.____(____)
# Compute mse_lr
____ = ____(____, ____)
# Compute rmse_lr
____ = ____
# Print rmse_lr
print('Linear Regression test set RMSE: {:.2f}'.format(rmse_lr))
# Print rmse_dt
print('Regression Tree test set RMSE: {:.2f}'.format(rmse_dt))