ÎncepețiÎncepe gratuit

Performanța regresiei

Acum ai antrenat un model, reg, folosind toate caracteristicile din sales_df, și ai generat predicții ale valorilor de vânzări – e momentul să evaluezi performanța cu ajutorul câtorva metrici comune pentru regresie.

Variabilele X_train, X_test, y_train, y_test și y_pred, împreună cu modelul antrenat, reg, preluate din exercițiul anterior, sunt deja încărcate pentru tine.

Sarcina ta este să determini cât de bine pot caracteristicile explica varianța valorilor țintă, evaluând totodată capacitatea modelului de a face predicții pe date nevăzute.

Acest exercițiu face parte din cursul

Învățare supravegheată cu scikit-learn

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă root_mean_squared_error.
  • Calculează scorul R-squared al modelului transmițând valorile caracteristicilor de test și valorile țintă de test către metoda potrivită.
  • Calculează eroarea pătratică medie rădăcină (RMSE) a modelului folosind y_test și y_pred.
  • Afișează r_squared și rmse.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import root_mean_squared_error
from ____.____ import ____

# Compute R-squared
r_squared = reg.____(____, ____)

# Compute RMSE
rmse = ____(____, ____)

# Print the metrics
print("R^2: {}".format(____))
print("RMSE: {}".format(____))
Editează și rulează codul