शुरू करेंमुफ़्त में शुरू करें

टेस्ट सेट पर भविष्यवाणी करना

पिछले अभ्यास में, लीनियर रिग्रेशन और रिज ने मिलते-जुलते परिणाम दिए थे. आप इनमें से किसी एक मॉडल का चयन कर सकते हैं; हालाँकि, आप टेस्ट सेट पर प्रेडिक्टिव परफॉर्मेंस जाँचकर देख सकते हैं कि क्या एक दूसरे से बेहतर है.

आप मेट्रिक के रूप में root mean squared error (RMSE) का उपयोग करेंगे. दो मॉडलों के नाम और इंस्टेंस वाला डिक्शनरी models आपके लिए पहले से लोड है, साथ ही प्रशिक्षण और टारगेट ऐरे X_train_scaled, X_test_scaled, y_train, और y_test भी प्रीलोडेड हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

scikit-learn के साथ Supervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • root_mean_squared_error इम्पोर्ट करें.
  • स्केल किए गए प्रशिक्षण फीचर्स और प्रशिक्षण लेबल्स पर मॉडल फिट करें.
  • स्केल किए गए टेस्ट फीचर्स का उपयोग करके प्रेडिक्शंस बनाएँ.
  • टेस्ट सेट लेबल्स और प्रेडिक्टेड लेबल्स पास करके RMSE कैलकुलेट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import root_mean_squared_error
from ____.____ import ____

for name, model in models.items():
  # Fit the model to the training data
  ____
  
  # Make predictions on the test set
  y_pred = ____
  
  # Calculate the test_rmse
  test_rmse = ____(____, ____)
  print("{} Test Set RMSE: {}".format(name, test_rmse))
कोड संपादित करें और चलाएँ