Mulai sekarangMulai gratis

Memprediksi pada himpunan uji

Pada latihan sebelumnya, regresi linear dan ridge tampak menghasilkan hasil yang serupa. Memilih salah satu dari kedua model tersebut dapat dibenarkan; namun, Anda dapat memeriksa kinerja prediksi pada himpunan uji untuk melihat apakah salah satunya dapat mengungguli yang lain.

Anda akan menggunakan root mean squared error (RMSE) sebagai metrik. Kamus models, yang berisi nama dan instance dari kedua model, telah dimuat untuk Anda bersama dengan array pelatihan dan target X_train_scaled, X_test_scaled, y_train, dan y_test.

Latihan ini merupakan bagian dari kursus

Supervised Learning dengan scikit-learn

Lihat Kursus

Instruksi latihan

  • Impor root_mean_squared_error.
  • Latih model menggunakan fitur pelatihan yang telah diskalakan dan label pelatihan.
  • Buat prediksi menggunakan fitur uji yang telah diskalakan.
  • Hitung RMSE dengan memberikan label himpunan uji dan label yang diprediksi.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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))
Edit dan Jalankan Kode