เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมินผล Regression Tree

ในแบบฝึกหัดนี้ จะได้ประเมินประสิทธิภาพของ dt บนชุดทดสอบโดยใช้เมตริก Root Mean Squared Error (RMSE) โดย RMSE จะวัดค่าเฉลี่ยของความแตกต่างระหว่างค่าที่โมเดลพยากรณ์กับค่าจริง ซึ่งคำนวณได้จากการหาค่ารากที่สองของ Mean Squared Error (MSE)

เมทริกซ์ฟีเจอร์ X_test, อาร์เรย์ y_test และ Decision Tree Regressor dt ที่ฝึกไว้ในแบบฝึกหัดก่อนหน้านี้ มีพร้อมใช้งานในพื้นที่ทำงานของคุณแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้าฟังก์ชัน mean_squared_error จาก sklearn.metrics และตั้งชื่อแทนว่า MSE
  • พยากรณ์ป้ายกำกับของชุดทดสอบ แล้วกำหนดผลลัพธ์ให้กับ y_pred
  • คำนวณค่า MSE ของชุดทดสอบโดยเรียกใช้ MSE แล้วกำหนดผลลัพธ์ให้กับ mse_dt
  • คำนวณค่า RMSE ของชุดทดสอบ แล้วกำหนดให้กับ rmse_dt

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด