CommencerCommencer gratuitement

Évaluez l'erreur 10 fois supérieure CV

Dans cet exercice, vous évaluerez l'erreur quadratique moyenne de 10 fois CV (RMSE) obtenue par l'arbre de régression dt que vous avez instancié dans l'exercice précédent.

En plus de dt, les données d'apprentissage comprenant X_train et y_train sont disponibles dans votre espace de travail. Nous avons également importé cross_val_score de sklearn.model_selection.

Notez que puisque cross_val_score n'a que la possibilité d'évaluer les MSEs négatifs, sa sortie doit être multipliée par un négatif pour obtenir les MSEs. Le site CV RMSE peut alors être obtenu en calculant la racine carrée de la moyenne MSE.

Cet exercice fait partie du cours

Apprentissage automatique avec des modèles arborescents en Python

Afficher le cours

Instructions

  • Calculez dt's 10-fold cross-validated MSE en définissant l'argument scoring à 'neg_mean_squared_error'.

  • Calculez RMSE à partir des scores obtenus pour MSE.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Compute the array containing the 10-folds CV MSEs
MSE_CV_scores = - ____(____, ____, ____, cv=____, 
                       ____='____',
                       n_jobs=-1)

# Compute the 10-folds CV RMSE
RMSE_CV = (____.____)**(____)

# Print RMSE_CV
print('CV RMSE: {:.2f}'.format(RMSE_CV))
Modifier et exécuter le code