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 adalah bagian dari kursus
Supervised Learning dengan scikit-learn
Petunjuk 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 praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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))