ÎncepețiÎncepe gratuit

Evaluează eroarea prin validare încrucișată cu 10 iterații

În acest exercițiu, vei evalua RMSE (Root Mean Squared Error) obținut prin validare încrucișată cu 10 iterații pentru arborele de regresie dt pe care l-ai instanțiat în exercițiul anterior.

Pe lângă dt, datele de antrenament X_train și y_train sunt disponibile în spațiul de lucru. Am importat, de asemenea, cross_val_score din sklearn.model_selection.

Reține că cross_val_score returnează doar MSE negativ, astfel că rezultatul trebuie înmulțit cu minus unu pentru a obține valorile MSE. RMSE-ul prin validare încrucișată se calculează apoi ca rădăcina pătrată a mediei MSE.

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează MSE-ul lui dt prin validare încrucișată cu 10 iterații, setând argumentul scoring la 'neg_mean_squared_error'.

  • Calculează RMSE pe baza scorurilor MSE obținute.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute the array containing the 10-folds CV MSEs
MSE_CV_scores = - ____(____, ____, ____, cv=____, 
                       ____='____',
                       n_jobs=-1)

# Compute the 10-folds CV RMSE
RMSE_CV = (____.____)**(____)

# Print RMSE_CV
print('CV RMSE: {:.2f}'.format(RMSE_CV))
Editează și rulează codul