เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมินผล forest ที่ดีที่สุด

ในแบบฝึกหัดสุดท้ายของคอร์สนี้ จะได้ประเมินค่า RMSE บนชุดทดสอบของโมเดลที่ดีที่สุดจาก grid_rf

ชุดข้อมูลถูกโหลดและประมวลผลไว้ให้แล้ว โดยแบ่งเป็นชุดฝึก 80% และชุดทดสอบ 20% ในสภาพแวดล้อมของคุณมี X_test, y_test และฟังก์ชัน mean_squared_error จาก sklearn.metrics ภายใต้ชื่อแทนว่า MSE นอกจากนี้ยังมี object GridSearchCV ที่ผ่านการฝึกแล้วชื่อ grid_rf ซึ่งคุณสร้างไว้ในแบบฝึกหัดก่อนหน้า โดย grid_rf ถูกฝึกด้วยคำสั่งต่อไปนี้

grid_rf.fit(X_train, y_train)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import mean_squared_error ในชื่อ MSE จาก sklearn.metrics

  • ดึง best estimator จาก grid_rf แล้วกำหนดให้กับตัวแปร best_model

  • ใช้ best_model พยากรณ์ label ของชุดทดสอบ แล้วกำหนดผลลัพธ์ให้กับตัวแปร y_pred

  • คำนวณค่า RMSE ของ best_model บนชุดทดสอบ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import mean_squared_error from sklearn.metrics as MSE 
____

# Extract the best estimator
best_model = ____

# Predict test set labels
y_pred = ____

# Compute rmse_test
rmse_test = ____

# Print rmse_test
print('Test RMSE of best model: {:.3f}'.format(rmse_test))
แก้ไขและรันโค้ด