ÎncepețiÎncepe gratuit

Evaluează eroarea de antrenament

Acum vei evalua RMSE-ul obținut pe setul de antrenament de arborele de regresie dt pe care l-ai instanțiat într-un exercițiu anterior.

Pe lângă dt, în spațiul tău de lucru sunt disponibile X_train și y_train.

Reține că în scikit-learn, MSE-ul unui model poate fi calculat astfel:

MSE_model = mean_squared_error(y_true, y_predicted)

unde folosim funcția mean_squared_error din modulul metrics și îi transmitem etichetele reale y_true ca prim argument, respectiv etichetele prezise de model y_predicted ca al doilea argument.

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.
  • Antrenează dt pe setul de antrenament.
  • Prezice etichetele setului de antrenament cu dt și atribuie rezultatul variabilei y_pred_train.
  • Calculează RMSE-ul lui dt pe setul de antrenament și atribuie-l variabilei RMSE_train.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))
Editează și rulează codul