НачатьНачать бесплатно

Оценка регрессора случайного леса

Теперь вы оцените RMSE на тестовой выборке для регрессора случайного леса rf, обученного в предыдущем упражнении.

Набор данных уже обработан и разделён на 80% обучающей и 20% тестовой выборки. Матрица признаков X_test и массив y_test доступны в вашем рабочем пространстве. Кроме того, загружена модель rf, обученная в предыдущем упражнении.

Это упражнение является частью курса

Машинное обучение на основе древовидных моделей в Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте mean_squared_error из sklearn.metrics под именем MSE.
  • Получите предсказания для тестовой выборки и сохраните результат в переменную y_pred.
  • Вычислите RMSE на тестовой выборке и сохраните результат в переменную rmse_test.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import mean_squared_error as MSE
from ____.____ import ____ as ____

# Predict the test set labels
y_pred = ____.____(____)

# Evaluate the test set RMSE
rmse_test = ____

# Print rmse_test
print('Test set RMSE of rf: {:.2f}'.format(rmse_test))
Редактировать и запускать код