Zacznij terazZacznij za darmo

Ocena jakości regresji

Masz już dopasowany model reg, który korzysta ze wszystkich cech ze zbioru sales_df i generuje prognozy wartości sprzedaży – czas ocenić jego jakość za pomocą popularnych metryk regresji.

Zmienne X_train, X_test, y_train, y_test i y_pred oraz dopasowany model reg z poprzedniego ćwiczenia zostały już załadowane.

Twoim zadaniem jest sprawdzenie, jak dobrze cechy wyjaśniają wariancję wartości docelowych, oraz ocena zdolności modelu do prognozowania na nieznanych danych.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe z scikit-learn

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj root_mean_squared_error.
  • Oblicz wartość R-kwadrat modelu, przekazując do odpowiedniej metody wartości cech i wartości docelowe ze zbioru testowego.
  • Oblicz błąd średniokwadratowy (RMSE) modelu, używając y_test i y_pred.
  • Wyświetl r_squared i rmse.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import root_mean_squared_error
from ____.____ import ____

# Compute R-squared
r_squared = reg.____(____, ____)

# Compute RMSE
rmse = ____(____, ____)

# Print the metrics
print("R^2: {}".format(____))
print("RMSE: {}".format(____))
Edytuj i uruchom kod