BaşlayınÜcretsiz başlayın

Test kümesi üzerinde tahmin

Son egzersizde, lineer regresyon ve ridge benzer sonuçlar üretmiş gibi görünüyordu. Bu modellerden herhangi birini seçmek uygun olur; ancak, test kümesindeki kestirim performansına bakarak birinin diğerini geçip geçmediğini kontrol edebilirsin.

Değerlendirme metriği olarak kök ortalama kare hata (RMSE) kullanacaksın. İki modelin adlarını ve örneklerini içeren models sözlüğü, ayrıca eğitim ve hedef dizileri X_train_scaled, X_test_scaled, y_train ve y_test senin için önceden yüklendi.

Bu egzersiz, kursun bir parçasıdır

scikit-learn ile Supervised Learning

Kursa Göz Atın

Egzersiz talimatları

  • root_mean_squared_error fonksiyonunu içe aktar.
  • Modeli ölçeklenmiş eğitim özelliklerine ve eğitim etiketlerine uygula (fit et).
  • Ölçeklenmiş test özelliklerini kullanarak tahmin yap.
  • Test kümesi etiketlerini ve tahmin edilen etiketleri geçirerek RMSE'yi hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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))
Kodu Düzenle ve Çalıştır