Mengukur kecocokan model
Sekarang Anda akan mengukur kinerja regresi pada data pelatihan dan pengujian dengan dua metrik: root mean squared error dan mean absolute error. Ini adalah langkah penting untuk menilai seberapa "dekat" prediksi model dibandingkan nilai aktual.
Pustaka numpy telah dimuat sebagai np. Fungsi mean_absolute_error dan mean_squared_error telah dimuat. Variabel target pelatihan dan pengujian dimuat sebagai train_Y dan test_Y, dan nilai pelatihan dan pengujian yang telah diprediksi diimpor masing-masing sebagai train_pred_Y dan test_pred_Y.
Latihan ini adalah bagian dari kursus
Machine Learning untuk Pemasaran dengan Python
Petunjuk latihan
- Hitung root mean squared error pada data pelatihan dengan menggunakan fungsi
np.sqrt(). - Hitung mean absolute error pada data pelatihan.
- Hitung root mean squared error pada data pengujian.
- Hitung mean absolute error pada data pengujian.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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))