始める無料で始める

10-fold CV 誤差を評価する

この演習では、前の演習で作成した回帰木 dt が達成した、10 分割交差検証の二乗平均平方根誤差（RMSE）を評価します。

dt に加えて、学習データである X_train と y_train がワークスペースに用意されています。sklearn.model_selection から cross_val_score もインポート済みです。

cross_val_score は負の MSE のみを評価するオプションしかないため、出力に −1 を掛けて MSE を得る必要があります。CV の RMSE は、得られた MSE の平均の平方根を計算することで求められます。

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

  • scoring 引数に 'neg_mean_squared_error' を指定して、dt の 10 分割交差検証による MSE を計算します。

  • 得られた MSE スコアから RMSE を計算します。

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。

# Compute the array containing the 10-folds CV MSEs
MSE_CV_scores = - ____(____, ____, ____, cv=____, 
                       ____='____',
                       n_jobs=-1)

# Compute the 10-folds CV RMSE
RMSE_CV = (____.____)**(____)

# Print RMSE_CV
print('CV RMSE: {:.2f}'.format(RMSE_CV))
コードを編集して実行