Model uyumunu ölç
Şimdi hem eğitim hem de test verisi üzerinde regresyon performansını iki metrikle ölçeceksin: kök ortalama karesel hata ve ortalama mutlak hata. Bu, model tahminlerinin gerçek değerlere ne kadar "yakın" olduğunu gördüğün kritik bir adımdır.
numpy kütüphanesi np olarak yüklendi. mean_absolute_error ve mean_squared_error fonksiyonları yüklendi. Eğitim ve test hedef değişkenleri train_Y ve test_Y olarak, tahmin edilen eğitim ve test değerleri ise sırasıyla train_pred_Y ve test_pred_Y olarak yüklendi.
Bu egzersiz
Python ile Pazarlama için Machine Learning
kursunun bir parçasıdırEgzersiz talimatları
- Eğitim verisi üzerinde kök ortalama karesel hatayı
np.sqrt()fonksiyonunu kullanarak hesapla. - Eğitim verisi üzerinde ortalama mutlak hatayı hesapla.
- Test verisi üzerinde kök ortalama karesel hatayı hesapla.
- Test verisi üzerinde ortalama mutlak hatayı hesapla.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Calculate root mean squared error on training data
rmse_train = np.sqrt(___(train_Y, train_pred_Y))
# Calculate mean absolute error on training data
mae_train = ___(train_Y, train_pred_Y)
# Calculate root mean squared error on testing data
rmse_test = np.sqrt(___(test_Y, test_pred_Y))
# Calculate mean absolute error on testing data
mae_test = ___(test_Y, test_pred_Y)
# Print the performance metrics
print('RMSE train: {}; RMSE test: {}\nMAE train: {}, MAE test: {}'.format(rmse_train, rmse_test, mae_train, mae_test))