始める無料で始める

トレーニング誤差を評価する

この演習では、前の演習で作成した回帰木 dt が達成したトレーニングデータの RMSE を評価します。

dt に加えて、X_train と y_train もワークスペースに用意されています。

なお、scikit-learn ではモデルの MSE は次のように計算できます。

MSE_model = mean_squared_error(y_true, y_predicted)

ここでは、metrics モジュールの関数 mean_squared_error を使い、最初の引数に真のラベル y_true、2番目の引数にモデルからの予測ラベル y_predicted を渡します。

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。
  • トレーニングデータに dt を学習させます。
  • dt によるトレーニングデータの予測ラベルを求め、結果を y_pred_train に代入します。
  • トレーニングデータにおける dt の RMSE を評価し、RMSE_train 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
____

# Fit dt to the training set
____.____(____, ____)

# Predict the labels of the training set
____ = ____.____(____)

# Evaluate the training set RMSE of dt
____ = (____(____, ____))**(___)

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