線形回帰 vs 回帰木
この演習では、dt のテストセットRMSEを、線形回帰モデルで達成した値と比較します。すでに線形回帰モデル lr をインスタンス化し、dt と同じデータセットで学習済みです。
特徴量行列 X_test、ラベル配列 y_test、学習済みの線形回帰モデル lr、エイリアス MSE でインポートされた mean_squared_error 関数、そして前の演習で計算した rmse_dt が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
線形回帰モデル（
lr）を使ってテストセットのラベルを予測し、結果をy_pred_lrに代入します。テストセットのMSEを計算し、結果を
mse_lrに代入します。テストセットのRMSEを計算し、結果を
rmse_lr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。
# Predict test set labels
____ = ____.____(____)
# Compute mse_lr
____ = ____(____, ____)
# Compute rmse_lr
____ = ____
# Print rmse_lr
print('Linear Regression test set RMSE: {:.2f}'.format(rmse_lr))
# Print rmse_dt
print('Regression Tree test set RMSE: {:.2f}'.format(rmse_dt))