1. Learn
    2. /
  2. Курси
    3. /
  3. Машинне навчання з деревоподібними моделями в Python
Connected

вправа

Оцініть оптимальний ліс

У цій останній вправі курсу ви оціните RMSE на тестовій вибірці для оптимальної моделі з grid_rf.

Набір даних уже завантажено та підготовлено для вас і поділено на 80% тренування та 20% тест. У вашому середовищі доступні X_test, y_test і функція mean_squared_error з sklearn.metrics під псевдонімом MSE. Крім того, ми також завантажили натренований об'єкт GridSearchCV grid_rf, який ви створили в попередній вправі. Зверніть увагу, що grid_rf був натренований так:

grid_rf.fit(X_train, y_train)

Інструкції

100 XP

  • Імпортуйте mean_squared_error як MSE з sklearn.metrics.

  • Витягніть найкращий оцінювач з grid_rf і присвойте його змінній best_model.

  • Зпрогнозуйте мітки тестової вибірки за допомогою best_model і збережіть результат у y_pred.

  • Обчисліть RMSE best_model на тестовій вибірці.