เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมินค่าความผิดพลาดของชุดฝึกสอน

ในแบบฝึกหัดนี้ จะได้ประเมินค่า RMSE บนชุดฝึกสอนของ regression tree dt ที่สร้างไว้ในแบบฝึกหัดก่อนหน้า

นอกจาก dt แล้ว ยังมี X_train และ y_train พร้อมใช้งานใน workspace ของคุณ

โปรดทราบว่าใน scikit-learn สามารถคำนวณ MSE ของโมเดลได้ดังนี้:

MSE_model = mean_squared_error(y_true, y_predicted)

โดยใช้ฟังก์ชัน mean_squared_error จากโมดูล metrics แล้วส่งป้ายกำกับจริง y_true เป็นอาร์กิวเมนต์แรก และป้ายกำกับที่พยากรณ์จากโมเดล y_predicted เป็นอาร์กิวเมนต์ที่สอง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import mean_squared_error โดยใช้ชื่อแทนว่า MSE จาก sklearn.metrics
  • Fit dt กับชุดฝึกสอน
  • พยากรณ์ป้ายกำกับของ dt บนชุดฝึกสอน แล้วเก็บผลลัพธ์ไว้ในตัวแปร y_pred_train
  • คำนวณค่า RMSE ของ dt บนชุดฝึกสอน แล้วเก็บผลลัพธ์ไว้ในตัวแปร RMSE_train

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import mean_squared_error from sklearn.metrics as MSE
____

# Fit dt to the training set
____.____(____, ____)

# Predict the labels of the training set
____ = ____.____(____)

# Evaluate the training set RMSE of dt
____ = (____(____, ____))**(___)

# Print RMSE_train
print('Train RMSE: {:.2f}'.format(RMSE_train))
แก้ไขและรันโค้ด