ComeçarComece gratuitamente

Avaliar o erro de treinamento

Agora você avaliará o conjunto de treinamento RMSE obtido pela árvore de regressão dt que você instanciou em um exercício anterior.

Além de dt, X_train e y_train estão disponíveis em seu espaço de trabalho.

Observe que, no scikit-learn, o MSE de um modelo pode ser calculado da seguinte forma:

MSE_model = mean_squared_error(y_true, y_predicted)

onde usamos a função mean_squared_error do módulo metrics e passamos a ela os rótulos verdadeiros y_true como primeiro argumento e os rótulos previstos do modelo y_predicted como segundo argumento.

Este exercício faz parte do curso

Aprendizado de máquina com modelos baseados em árvores em Python

Ver Curso

Instruções de exercício

  • Importe mean_squared_error como MSE de sklearn.metrics.
  • Ajuste dt ao conjunto de treinamento.
  • Preveja os rótulos do conjunto de treinamento de dt e atribua o resultado a y_pred_train.
  • Avalie o conjunto de treinamento RMSE de dt e atribua-o a RMSE_train.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Import mean_squared_error from sklearn.metrics as MSE
____

# Fit dt to the training set
____.____(____, ____)

# Predict the labels of the training set
____ = ____.____(____)

# Evaluate the training set RMSE of dt
____ = (____(____, ____))**(___)

# Print RMSE_train
print('Train RMSE: {:.2f}'.format(RMSE_train))
Editar e executar código