Лінійна регресія проти дерева регресії
У цій вправі ви порівняєте RMSE на тестовій вибірці для dt з показником, отриманим моделлю лінійної регресії. Ми вже створили модель лінійної регресії lr і натренували її на тому самому наборі даних, що й dt.
Матриця ознак X_test, масив міток y_test, натренована модель лінійної регресії lr, функція mean_squared_error, імпортована під псевдонімом MSE, а також rmse_dt з попередньої вправи доступні у вашому робочому середовищі.
Ця вправа є частиною курсу
Машинне навчання з деревоподібними моделями в Python
Інструкції до вправи
Передбачте мітки для тестової вибірки за допомогою моделі лінійної регресії (
lr) і запишіть результат уy_pred_lr.Обчисліть MSE на тестовій вибірці та запишіть результат у
mse_lr.Обчисліть RMSE на тестовій вибірці та запишіть результат у
rmse_lr.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Predict test set labels
____ = ____.____(____)
# Compute mse_lr
____ = ____(____, ____)
# Compute rmse_lr
____ = ____
# Print rmse_lr
print('Linear Regression test set RMSE: {:.2f}'.format(rmse_lr))
# Print rmse_dt
print('Regression Tree test set RMSE: {:.2f}'.format(rmse_dt))