回帰木を評価する
この演習では、dt のテストセットにおける性能を Root Mean Squared Error（RMSE）で評価します。RMSE は、モデルの予測が実際のラベルと平均してどれくらい異なるかを表します。RMSE は、モデルの Mean Squared Error（MSE）の平方根を計算することで得られます。
特徴量行列 X_test、配列 y_test、そして前の演習で学習した決定木回帰器 dt は、ワークスペースに用意されています。
この演習はコースの一部です
Pythonで学ぶ木ベースのMachine Learning
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。 MSEを呼び出してテストセットの MSE を計算し、結果をmse_dtに代入します。- テストセットの RMSE を計算し、
rmse_dt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 from sklearn.metrics as MSE
from ____.____ import ____ as ____
# Compute y_pred
____ = ____.____(____)
# Compute mse_dt
____ = ____(____, ____)
# Compute rmse_dt
____ = ____
# Print rmse_dt
print("Test set RMSE of dt: {:.2f}".format(rmse_dt))