НачатьНачать бесплатно

Оценка ошибки при 10-кратной кросс-валидации

В этом упражнении вы оцените среднеквадратическую ошибку (RMSE) при 10-кратной кросс-валидации для регрессионного дерева dt, которое вы создали в предыдущем упражнении.

Помимо dt, в вашем рабочем пространстве доступны обучающие данные X_train и y_train. Функция cross_val_score уже импортирована из sklearn.model_selection.

Обратите внимание: поскольку cross_val_score возвращает только отрицательные значения MSE, результат необходимо умножить на минус один, чтобы получить MSE. Затем RMSE при кросс-валидации можно вычислить как квадратный корень из среднего значения MSE.

Это упражнение является частью курса

Машинное обучение на основе древовидных моделей в Python

Посмотреть курс

Инструкции к упражнению

  • Вычислите MSE для dt с 10-кратной кросс-валидацией, задав аргументу scoring значение 'neg_mean_squared_error'.

  • Вычислите RMSE на основе полученных значений MSE.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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))
Редактировать и запускать код