1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe z modelami drzewiastymi w Pythonie
Connected

ćwiczenie

Ocena drzewa regresji

W tym ćwiczeniu ocenisz wydajność modelu dt na zbiorze testowym, korzystając z metryki RMSE (pierwiastek błędu średniokwadratowego). RMSE mierzy, o ile średnio przewidywania modelu różnią się od rzeczywistych etykiet. Oblicza się go jako pierwiastek kwadratowy z błędu średniokwadratowego (MSE).

Macierz cech X_test, tablica y_test oraz regresor drzewa decyzyjnego dt, który był trenowany w poprzednim ćwiczeniu, są dostępne w twoim środowisku pracy.

Instrukcje

100 XP
  • Zaimportuj funkcję mean_squared_error jako MSE z biblioteki sklearn.metrics.
  • Przewidź etykiety zbioru testowego i przypisz wynik do zmiennej y_pred.
  • Oblicz MSE na zbiorze testowym, wywołując funkcję MSE, i przypisz wynik do zmiennej mse_dt.
  • Oblicz RMSE na zbiorze testowym i przypisz wynik do zmiennej rmse_dt.