เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

พยากรณ์บนชุดทดสอบ

ในแบบฝึกหัดที่แล้ว linear regression และ ridge ให้ผลลัพธ์ที่ใกล้เคียงกัน จึงเลือกโมเดลใดก็ได้จากทั้งสองตัว อย่างไรก็ตาม ลองตรวจสอบประสิทธิภาพการพยากรณ์บนชุดทดสอบเพื่อดูว่าโมเดลใดให้ผลได้ดีกว่ากัน

จะใช้ root mean squared error (RMSE) เป็นตัวชี้วัด โดย dictionary models ที่บรรจุชื่อและ instance ของทั้งสองโมเดล ถูกโหลดไว้ให้แล้ว พร้อมกับอาร์เรย์ X_train_scaled, X_test_scaled, y_train และ y_test

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ด้วย scikit-learn

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า root_mean_squared_error
  • ฝึกโมเดลด้วยฟีเจอร์ชุดฝึกที่ผ่านการปรับสเกลแล้วและ label ชุดฝึก
  • พยากรณ์โดยใช้ฟีเจอร์ชุดทดสอบที่ผ่านการปรับสเกลแล้ว
  • คำนวณ RMSE โดยส่ง label ชุดทดสอบและ label ที่พยากรณ์ได้เข้าไป

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import root_mean_squared_error
from ____.____ import ____

for name, model in models.items():
  # Fit the model to the training data
  ____
  
  # Make predictions on the test set
  y_pred = ____
  
  # Calculate the test_rmse
  test_rmse = ____(____, ____)
  print("{} Test Set RMSE: {}".format(name, test_rmse))
แก้ไขและรันโค้ด