เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมินค่าความผิดพลาด CV 10-fold

ในแบบฝึกหัดนี้ จะประเมินค่า Root Mean Squared Error (RMSE) แบบ CV 10-fold ของ regression tree dt ที่สร้างไว้ในแบบฝึกหัดก่อนหน้า

นอกจาก dt แล้ว ข้อมูลสำหรับ training ได้แก่ X_train และ y_train ก็พร้อมใช้งานใน workspace แล้ว รวมถึงได้ import cross_val_score จาก sklearn.model_selection ไว้ให้เรียบร้อย

โปรดทราบว่า cross_val_score รองรับเฉพาะการประเมินผลในรูปแบบ negative MSE ดังนั้นผลลัพธ์ที่ได้จึงต้องคูณด้วยลบหนึ่งเพื่อให้ได้ค่า MSE จากนั้นจึงคำนวณรากที่สองของค่าเฉลี่ย MSE เพื่อให้ได้ CV RMSE

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณค่า MSE แบบ cross-validation 10-fold ของ dt โดยกำหนดอาร์กิวเมนต์ scoring เป็น 'neg_mean_squared_error'

  • คำนวณ RMSE จากค่า MSE ที่ได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด