始める無料で始める

RF 回帰器を評価する

前の演習で学習したランダムフォレスト回帰器 rf のテストセット RMSE を評価します。

データセットはすでに前処理済みで、80% を学習用、20% をテスト用に分割しています。特徴量行列 X_test と配列 y_test はワークスペースで利用できます。さらに、前の演習で学習したモデル rf も読み込まれています。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • sklearn.metrics から mean_squared_error を MSE としてインポートします。
  • テストセットのラベルを予測し、結果を y_pred に代入します。
  • テストセットの RMSE を計算し、rmse_test に代入します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Import mean_squared_error as MSE
from ____.____ import ____ as ____

# Predict the test set labels
y_pred = ____.____(____)

# Evaluate the test set RMSE
rmse_test = ____

# Print rmse_test
print('Test set RMSE of rf: {:.2f}'.format(rmse_test))
コードを編集して実行