Zacznij terazZacznij za darmo

Regresja liniowa a drzewo regresji

W tym ćwiczeniu porównasz wartość RMSE na zbiorze testowym dla modelu dt z wartością uzyskaną przez model regresji liniowej. Model regresji liniowej lr został już zainicjalizowany i wytrenowany na tym samym zbiorze danych co dt.

W twoim obszarze roboczym dostępne są: macierz cech X_test, tablica etykiet y_test, wytrenowany model regresji liniowej lr, funkcja mean_squared_error zaimportowana pod aliasem MSE oraz wartość rmse_dt z poprzedniego ćwiczenia.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Wyznacz etykiety dla zbioru testowego za pomocą modelu regresji liniowej (lr) i przypisz wynik do y_pred_lr.

  • Oblicz MSE na zbiorze testowym i przypisz wynik do mse_lr.

  • Oblicz RMSE na zbiorze testowym i przypisz wynik do rmse_lr.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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

# Compute mse_lr
____ = ____(____, ____)

# Compute rmse_lr
____ = ____

# Print rmse_lr
print('Linear Regression test set RMSE: {:.2f}'.format(rmse_lr))

# Print rmse_dt
print('Regression Tree test set RMSE: {:.2f}'.format(rmse_dt))
Edytuj i uruchom kod