เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมิน RF regressor

ในแบบฝึกหัดนี้ จะประเมินค่า RMSE บนชุดทดสอบของ random forests regressor rf ที่ฝึกไว้ในแบบฝึกหัดก่อนหน้า

ชุดข้อมูลได้รับการประมวลผลและแบ่งออกเป็นชุดฝึก 80% และชุดทดสอบ 20% แล้ว โดย feature matrix X_test และอาร์เรย์ y_test พร้อมใช้งานใน workspace และโมเดล rf ที่ฝึกไว้ก็ถูกโหลดมาให้เรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า mean_squared_error จาก sklearn.metrics โดยใช้ชื่อย่อว่า MSE
  • พยากรณ์ label ของชุดทดสอบ แล้วเก็บผลลัพธ์ไว้ในตัวแปร y_pred
  • คำนวณค่า RMSE ของชุดทดสอบ แล้วเก็บผลลัพธ์ไว้ในตัวแปร rmse_test

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด