ПочатиПочніть безкоштовно

Оцініть помилку на тренуванні

Тепер ви оціните RMSE на тренувальній вибірці, отримане регресійним деревом dt, яке ви створили в попередній вправі.

Окрім dt, у вашому середовищі доступні X_train і y_train.

Зауважте, що в scikit-learn MSE моделі можна обчислити так:

MSE_model = mean_squared_error(y_true, y_predicted)

де використовується функція mean_squared_error з модуля metrics. Першим аргументом їй передаються справжні мітки y_true, а другим — передбачені мітки моделі y_predicted.

Ця вправа є частиною курсу

Машинне навчання з деревоподібними моделями в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте mean_squared_error як MSE з sklearn.metrics.
  • Навчіть dt на тренувальній вибірці.
  • Зробіть передбачення міток тренувальної вибірки за допомогою dt та запишіть результат у y_pred_train.
  • Обчисліть RMSE на тренувальній вибірці для dt та збережіть у RMSE_train.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import mean_squared_error from sklearn.metrics as MSE
____

# Fit dt to the training set
____.____(____, ____)

# Predict the labels of the training set
____ = ____.____(____)

# Evaluate the training set RMSE of dt
____ = (____(____, ____))**(___)

# Print RMSE_train
print('Train RMSE: {:.2f}'.format(RMSE_train))
Редагувати та запускати код