ComeçarComece de graça

Avaliar a árvore de regressão

Neste exercício, você avaliará o desempenho do conjunto de testes do dt usando a métrica Erro Quadrático Médio (RMSE). O RMSE de um modelo mede, em média, o quanto as previsões do modelo diferem dos rótulos reais. O RMSE de um modelo pode ser obtido calculando-se a raiz quadrada do erro quadrático médio do modelo (MSE).

A matriz de recursos X_test, a matriz y_test, bem como o regressor da árvore de decisão dt que você treinou no exercício anterior estão disponíveis no seu espaço de trabalho.

Este exercício faz parte do curso

Aprendizado de máquina com modelos baseados em árvores em Python

Ver curso

Instruções do exercício

  • Importe a função mean_squared_error como MSE de sklearn.metrics.
  • Preveja os rótulos do conjunto de teste e atribua a saída a y_pred.
  • Calcule o conjunto de teste MSE chamando MSE e atribua o resultado a mse_dt.
  • Calcule o conjunto de teste RMSE e atribua-o a rmse_dt.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import mean_squared_error from sklearn.metrics as MSE
from ____.____ import ____ as ____

# Compute y_pred
____ = ____.____(____)

# Compute mse_dt
____ = ____(____, ____)

# Compute rmse_dt
____ = ____

# Print rmse_dt
print("Test set RMSE of dt: {:.2f}".format(rmse_dt))
Editar e executar o código