เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประสิทธิภาพของการถดถอย

ตอนนี้คุณได้ฝึกโมเดล reg โดยใช้ฟีเจอร์ทั้งหมดจาก sales_df และทำการพยากรณ์ค่ายอดขายแล้ว ขั้นต่อไปคือการประเมินประสิทธิภาพของโมเดลด้วยเมตริกที่ใช้กันทั่วไปในการถดถอย

ตัวแปร X_train, X_test, y_train, y_test และ y_pred รวมถึงโมเดล reg ที่ฝึกไว้แล้วจากแบบฝึกหัดก่อนหน้า ได้ถูกโหลดไว้ให้เรียบร้อยแล้ว

งานของคุณคือหาว่าฟีเจอร์เหล่านี้สามารถอธิบายความแปรปรวนในค่าเป้าหมายได้ดีเพียงใด พร้อมทั้งประเมินความสามารถของโมเดลในการพยากรณ์ข้อมูลที่ยังไม่เคยเห็น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ด้วย scikit-learn

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า root_mean_squared_error
  • คำนวณค่า R-squared ของโมเดลโดยส่งค่าฟีเจอร์ชุดทดสอบและค่าเป้าหมายชุดทดสอบไปยังเมธอดที่เหมาะสม
  • คำนวณค่า root mean squared error ของโมเดลโดยใช้ y_test และ y_pred
  • แสดงผลค่า r_squared และ rmse

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import root_mean_squared_error
from ____.____ import ____

# Compute R-squared
r_squared = reg.____(____, ____)

# Compute RMSE
rmse = ____(____, ____)

# Print the metrics
print("R^2: {}".format(____))
print("RMSE: {}".format(____))
แก้ไขและรันโค้ด