उत्तम फॉरेस्ट का मूल्यांकन करें
कोर्स के इस अंतिम अभ्यास में, आप grid_rf के उत्तम मॉडल का टेस्ट सेट RMSE मूल्यांकन करेंगे.
डेटासेट आपके लिए पहले से लोड और प्रोसेस किया गया है और 80% ट्रेन और 20% टेस्ट में विभाजित है। आपके एनवायरनमेंट में X_test, y_test और sklearn.metrics से mean_squared_error फ़ंक्शन MSE उपनाम के साथ उपलब्ध हैं। इसके अलावा, हमने पिछले अभ्यास में आपने जो GridSearchCV ऑब्जेक्ट बनाया था, उसका प्रशिक्षित रूप grid_rf भी लोड कर दिया है। ध्यान दें कि grid_rf को इस तरह ट्रेन किया गया था:
grid_rf.fit(X_train, y_train)
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Tree-Based Models के साथ Machine Learning
अभ्यास निर्देश
sklearn.metricsसेmean_squared_errorकोMSEके रूप में इम्पोर्ट करें.grid_rfसे सर्वश्रेष्ठ एस्टीमेटर निकालकर उसेbest_modelमें असाइन करें.best_modelके टेस्ट सेट लेबल्स प्रेडिक्ट करें और परिणाम कोy_predमें असाइन करें.best_modelका टेस्ट सेट RMSE निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import mean_squared_error from sklearn.metrics as MSE
____
# Extract the best estimator
best_model = ____
# Predict test set labels
y_pred = ____
# Compute rmse_test
rmse_test = ____
# Print rmse_test
print('Test RMSE of best model: {:.3f}'.format(rmse_test))