1. Nauka
    2. /
  2. Kursy
    3. /
  3. Nadzorowane uczenie maszynowe z scikit-learn
Connected

ćwiczenie

Prognozowanie na zbiorze testowym

W poprzednim ćwiczeniu regresja liniowa i grzbietowa dały podobne wyniki. Wybór któregokolwiek z tych modeli byłby uzasadniony – możesz jednak sprawdzić skuteczność predykcji na zbiorze testowym, żeby zobaczyć, czy któryś z nich wypada lepiej.

Jako metrykę wykorzystasz pierwiastek błędu średniokwadratowego (RMSE). Słownik models, zawierający nazwy i instancje obu modeli, został wstępnie wczytany wraz z tablicami cech i etykiet: X_train_scaled, X_test_scaled, y_train oraz y_test.

Instrukcje

100 XP
  • Zaimportuj root_mean_squared_error.
  • Dopasuj model do przeskalowanych cech treningowych i etykiet treningowych.
  • Wykonaj predykcje na podstawie przeskalowanych cech testowych.
  • Oblicz RMSE, przekazując etykiety zbioru testowego oraz przewidywane etykiety.