शुरू करेंमुफ़्त में शुरू करें

Training error का मूल्यांकन करें

अब आप उस रिग्रेशन ट्री dt द्वारा हासिल किए गए training set RMSE का मूल्यांकन करेंगे, जिसे आपने पिछले अभ्यास में instantiate किया था.

dt के अलावा, X_train और y_train भी आपके workspace में उपलब्ध हैं.

ध्यान दें कि scikit-learn में किसी मॉडल का MSE इस प्रकार compute किया जा सकता है:

MSE_model = mean_squared_error(y_true, y_predicted)

यहाँ हम metrics मॉड्यूल से mean_squared_error फंक्शन का उपयोग करते हैं और पहले आर्गुमेंट के रूप में वास्तविक लेबल y_true, तथा दूसरे आर्गुमेंट के रूप में मॉडल से आए प्रेडिक्टेड लेबल y_predicted पास करते हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Tree-Based Models के साथ Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.metrics से mean_squared_error को MSE नाम से इम्पोर्ट करें.
  • dt को training set पर fit करें.
  • dt के training set लेबल्स को प्रेडिक्ट करें और नतीजे को y_pred_train में रखें.
  • dt के training set RMSE का मूल्यांकन करें और उसे RMSE_train में रखें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import mean_squared_error from sklearn.metrics as MSE
____

# Fit dt to the training set
____.____(____, ____)

# Predict the labels of the training set
____ = ____.____(____)

# Evaluate the training set RMSE of dt
____ = (____(____, ____))**(___)

# Print RMSE_train
print('Train RMSE: {:.2f}'.format(RMSE_train))
कोड संपादित करें और चलाएँ