मॉडल फिट मापें
अब आप training और testing दोनों डेटा पर regression performance को दो metrics से मापेंगे — root mean squared error और mean absolute error. यह एक अहम कदम है जिसमें आप जाँचते हैं कि मॉडल की भविष्यवाणियाँ actual मानों के कितनी "क़रीब" हैं.
numpy लाइब्रेरी np नाम से लोड की गई है. mean_absolute_error और mean_squared_error functions लोड किए गए हैं. training और testing के target वैरिएबल train_Y और test_Y के रूप में उपलब्ध हैं, और predicted training व testing मान क्रमशः train_pred_Y और test_pred_Y के रूप में इम्पोर्ट किए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में मार्केटिंग के लिए मशीन लर्निंग
अभ्यास निर्देश
np.sqrt()फंक्शन का उपयोग करके training डेटा पर root mean squared error निकालें.- training डेटा पर mean absolute error निकालें.
- testing डेटा पर root mean squared error निकालें.
- testing डेटा पर mean absolute error निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate root mean squared error on training data
rmse_train = np.sqrt(___(train_Y, train_pred_Y))
# Calculate mean absolute error on training data
mae_train = ___(train_Y, train_pred_Y)
# Calculate root mean squared error on testing data
rmse_test = np.sqrt(___(test_Y, test_pred_Y))
# Calculate mean absolute error on testing data
mae_test = ___(test_Y, test_pred_Y)
# Print the performance metrics
print('RMSE train: {}; RMSE test: {}\nMAE train: {}, MAE test: {}'.format(rmse_train, rmse_test, mae_train, mae_test))