Kom igångKom igång gratis

Utvärdera 10-faldig korsvalideringsfelet

I den här övningen utvärderar du 10-faldig korsvalidering av RMSE (rotkvardratsmedelfelet) för regressionsträdet dt som du skapade i föregående övning.

Förutom dt finns träningsdata med X_train och y_train tillgängliga i din arbetsyta. Vi har också importerat cross_val_score från sklearn.model_selection.

Observera att eftersom cross_val_score bara kan beräkna negativa MSE-värden, behöver utdata multipliceras med minus ett för att få de faktiska MSE-värdena. Korsvalideringens RMSE beräknas sedan som kvadratroten ur det genomsnittliga MSE-värdet.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Beräkna 10-faldig korsvaliderad MSE för dt genom att sätta argumentet scoring till 'neg_mean_squared_error'.

  • Beräkna RMSE utifrån de erhållna MSE-värdena.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
Redigera och kör kod