최적의 랜덤 포레스트 평가하기
이 강의의 마지막 연습 문제에서는 grid_rf의 최적 모델에 대한 테스트 세트 RMSE를 평가해 보겠습니다.
데이터셋은 이미 로드 및 전처리되어 있으며, 80%는 학습용, 20%는 테스트용으로 분할되어 있습니다. 작업 환경에는 X_test, y_test, 그리고 sklearn.metrics에서 MSE라는 별칭으로 가져온 함수 mean_squared_error가 제공됩니다. 또한 이전 연습 문제에서 만들고 학습한 GridSearchCV 객체 grid_rf도 로드해 두었습니다. 참고로 grid_rf는 다음과 같이 학습했습니다:
grid_rf.fit(X_train, y_train)
이 연습은 강의의 일부입니다
Python으로 배우는 트리 기반 Machine Learning
연습 안내
sklearn.metrics에서mean_squared_error를MSE라는 이름으로 임포트하세요.grid_rf에서 최적 추정기를 추출해best_model에 할당하세요.best_model로 테스트 세트 레이블을 예측하고 결과를y_pred에 할당하세요.best_model의 테스트 세트 RMSE를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import mean_squared_error from sklearn.metrics as MSE
____
# Extract the best estimator
best_model = ____
# Predict test set labels
y_pred = ____
# Compute rmse_test
rmse_test = ____
# Print rmse_test
print('Test RMSE of best model: {:.3f}'.format(rmse_test))