Zacznij terazZacznij za darmo

Oceń błąd 10-krotnej walidacji krzyżowej

W tym ćwiczeniu obliczysz pierwiastek błędu średniokwadratowego (RMSE) metodą 10-krotnej walidacji krzyżowej dla drzewa regresji dt, które utworzyłeś w poprzednim ćwiczeniu.

Oprocz dt w twoim środowisku dostępne są dane treningowe: X_train i y_train. Zaimportowaliśmy też cross_val_score z modułu sklearn.model_selection.

Zauważ, że cross_val_score zwraca jedynie ujemne wartości MSE – aby uzyskać właściwe MSE, pomnóż wynik przez minus jeden. RMSE obliczysz następnie jako pierwiastek kwadratowy ze średniego MSE.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Oblicz MSE dla dt metodą 10-krotnej walidacji krzyżowej, ustawiając argument scoring na 'neg_mean_squared_error'.

  • Oblicz RMSE na podstawie uzyskanych wartości MSE.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Compute the array containing the 10-folds CV MSEs
MSE_CV_scores = - ____(____, ____, ____, cv=____, 
                       ____='____',
                       n_jobs=-1)

# Compute the 10-folds CV RMSE
RMSE_CV = (____.____)**(____)

# Print RMSE_CV
print('CV RMSE: {:.2f}'.format(RMSE_CV))
Edytuj i uruchom kod