ÎncepețiÎncepe gratuit

Evaluează pădurea optimă

În acest ultim exercițiu al cursului, vei evalua RMSE-ul pe setul de testare al modelului optim din grid_rf.

Setul de date este deja încărcat și procesat, fiind împărțit în 80% antrenament și 20% testare. În mediul tău sunt disponibile X_test, y_test și funcția mean_squared_error din sklearn.metrics, importată cu aliasul MSE. De asemenea, am încărcat și obiectul GridSearchCV antrenat, grid_rf, pe care l-ai instanțiat în exercițiul anterior. Reține că grid_rf a fost antrenat astfel:

grid_rf.fit(X_train, y_train)

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă mean_squared_error ca MSE din sklearn.metrics.

  • Extrage cel mai bun estimator din grid_rf și atribuie-l variabilei best_model.

  • Folosește best_model pentru a prezice etichetele din setul de testare și atribuie rezultatul variabilei y_pred.

  • Calculează RMSE-ul lui best_model pe setul de testare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import mean_squared_error from sklearn.metrics as MSE 
____

# Extract the best estimator
best_model = ____

# Predict test set labels
y_pred = ____

# Compute rmse_test
rmse_test = ____

# Print rmse_test
print('Test RMSE of best model: {:.3f}'.format(rmse_test))
Editează și rulează codul