शुरू करेंमुफ़्त में शुरू करें

Regression tree का मूल्यांकन करें

इस अभ्यास में, आप dt के टेस्ट सेट प्रदर्शन का मूल्यांकन Root Mean Squared Error (RMSE) मेट्रिक से करेंगे. किसी मॉडल का RMSE यह मापता है कि औसतन मॉडल की प्रेडिक्शंस वास्तविक लेबल्स से कितनी भिन्न हैं. किसी मॉडल का RMSE, उस मॉडल के Mean Squared Error (MSE) का वर्गमूल निकालकर प्राप्त किया जा सकता है.

फ़ीचर्स मैट्रिक्स X_test, एरे y_test, और पिछली एक्सरसाइज़ में आपने जो decision tree regressor dt ट्रेन किया था, वे आपके वर्कस्पेस में उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Tree-Based Models के साथ Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.metrics से फ़ंक्शन mean_squared_error को MSE नाम से इम्पोर्ट करें.
  • टेस्ट सेट के लेबल्स प्रेडिक्ट करें और आउटपुट y_pred को असाइन करें.
  • MSE कॉल करके टेस्ट सेट का MSE 계산 करें और परिणाम mse_dt को असाइन करें.
  • टेस्ट सेट का RMSE 계산 करें और उसे rmse_dt को असाइन करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import mean_squared_error from sklearn.metrics as MSE
from ____.____ import ____ as ____

# Compute y_pred
____ = ____.____(____)

# Compute mse_dt
____ = ____(____, ____)

# Compute rmse_dt
____ = ____

# Print rmse_dt
print("Test set RMSE of dt: {:.2f}".format(rmse_dt))
कोड संपादित करें और चलाएँ