Previsione sul set di prova
Nell'ultimo esercizio, la regressione lineare e la cresta sembravano produrre risultati simili. Sarebbe opportuno selezionare uno di questi modelli; tuttavia, puoi verificare le prestazioni predittive sul set di prova per vedere se uno dei due può superare l'altro.
Utilizzerai l'errore quadratico medio (RMSE) come metrica. Il dizionario models, contenente i nomi e le istanze dei due modelli, è stato precaricato insieme agli array di allenamento e di destinazione X_train_scaled, X_test_scaled, y_train e y_test.
Questo esercizio fa parte del corso
Apprendimento supervisionato con scikit-learn
Istruzioni dell'esercizio
- Importazione
mean_squared_error. - Adatta il modello alle caratteristiche di allenamento scalate e alle etichette di allenamento.
- Fai delle previsioni utilizzando le caratteristiche scalari del test.
- Calcola l'RMSE passando le etichette del set di prova e le etichette previste.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import 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 = ____(____, ____, squared=____)
print("{} Test Set RMSE: {}".format(name, test_rmse))