ÎncepețiÎncepe gratuit

Evaluează arborele de regresie

În acest exercițiu, vei evalua performanța lui dt pe setul de testare folosind metrica Root Mean Squared Error (RMSE). RMSE-ul unui model măsoară, în medie, cât de mult diferă predicțiile modelului față de etichetele reale. RMSE-ul se obține calculând rădăcina pătrată a erorii medii pătratice (MSE) a modelului.

Matricea de caracteristici X_test, vectorul y_test, precum și regresorul de tip arbore de decizie dt pe care l-ai antrenat în exercițiul anterior sunt disponibile în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă funcția mean_squared_error cu aliasul MSE din sklearn.metrics.
  • Prezice etichetele setului de testare și atribuie rezultatul variabilei y_pred.
  • Calculează MSE-ul pe setul de testare apelând MSE și atribuie rezultatul variabilei mse_dt.
  • Calculează RMSE-ul pe setul de testare și atribuie-l variabilei rmse_dt.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))
Editează și rulează codul