НачатьНачать бесплатно

Линейная регрессия против регрессионного дерева

В этом упражнении вы сравните значение RMSE на тестовой выборке для модели dt со значением, которое показывает модель линейной регрессии. Модель линейной регрессии lr уже создана и обучена на том же наборе данных, что и dt.

В вашем рабочем пространстве доступны: матрица признаков X_test, массив меток y_test, обученная модель линейной регрессии lr, функция mean_squared_error, импортированная под псевдонимом MSE, а также переменная rmse_dt из предыдущего упражнения.

Это упражнение является частью курса

Машинное обучение на основе древовидных моделей в Python

Посмотреть курс

Инструкции к упражнению

  • Получите предсказания модели линейной регрессии (lr) на тестовой выборке и сохраните результат в переменную y_pred_lr.

  • Вычислите MSE на тестовой выборке и сохраните результат в переменную mse_lr.

  • Вычислите RMSE на тестовой выборке и сохраните результат в переменную rmse_lr.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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

# Compute mse_lr
____ = ____(____, ____)

# Compute rmse_lr
____ = ____

# Print rmse_lr
print('Linear Regression test set RMSE: {:.2f}'.format(rmse_lr))

# Print rmse_dt
print('Regression Tree test set RMSE: {:.2f}'.format(rmse_dt))
Редактировать и запускать код