Kom igångKom igång gratis

Utvärdera regressionsträdet

I den här övningen utvärderar du testsetsprestandan för dt med hjälp av måttet Root Mean Squared Error (RMSE). RMSE mäter hur mycket modellens förutsägelser i genomsnitt avviker från de faktiska etiketterna. RMSE beräknas genom att ta kvadratroten ur modellens Mean Squared Error (MSE).

Featuresmatrisen X_test, arrayen y_test samt beslutsträdsregressorn dt som du tränade i föregående övning finns tillgängliga i din arbetsmiljö.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Importera funktionen mean_squared_error som MSE från sklearn.metrics.
  • Förutsäg etiketterna för testsettet och tilldela resultatet till y_pred.
  • Beräkna MSE för testsettet genom att anropa MSE och tilldela resultatet till mse_dt.
  • Beräkna RMSE för testsettet och tilldela värdet till rmse_dt.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

# Compute y_pred
____ = ____.____(____)

# Compute mse_dt
____ = ____(____, ____)

# Compute rmse_dt
____ = ____

# Print rmse_dt
print("Test set RMSE of dt: {:.2f}".format(rmse_dt))
Redigera och kör kod