Zacznij terazZacznij za darmo

Ocena regresora lasu losowego

Oblicz teraz RMSE na zbiorze testowym dla regresora lasów losowych rf, który był trenowany w poprzednim ćwiczeniu.

Zbiór danych został za ciebie przetworzony i podzielony na 80% danych treningowych i 20% testowych. Macierz cech X_test oraz tablica y_test są dostępne w twoim środowisku pracy. Dodatkowo załadowaliśmy też model rf wytrenowany w poprzednim ćwiczeniu.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj mean_squared_error z sklearn.metrics jako MSE.
  • Przewidź etykiety dla zbioru testowego i przypisz wynik do y_pred.
  • Oblicz RMSE na zbiorze testowym i przypisz wynik do rmse_test.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import mean_squared_error as MSE
from ____.____ import ____ as ____

# Predict the test set labels
y_pred = ____.____(____)

# Evaluate the test set RMSE
rmse_test = ____

# Print rmse_test
print('Test set RMSE of rf: {:.2f}'.format(rmse_test))
Edytuj i uruchom kod