ПочатиПочніть безкоштовно

Оцінювання регресії

Тепер, коли ви навчали модель reg, використавши всі ознаки з sales_df, і отримали прогнози значень продажів, ви можете оцінити якість за допомогою поширених метрик регресії.

Змінні X_train, X_test, y_train, y_test і y_pred, а також навчена модель reg з попередньої вправи вже завантажені для вас.

Ваше завдання — з'ясувати, наскільки добре ознаки пояснюють дисперсію цільових значень, а також оцінити здатність моделі робити прогнози на нових даних.

Ця вправа є частиною курсу

Кероване навчання зі scikit-learn

Переглянути курс

Інструкції до вправи

  • Імпортуйте root_mean_squared_error.
  • Обчисліть R-квадрат моделі, передавши тестові значення ознак і тестові цільові значення у відповідний метод.
  • Обчисліть корінь із середньоквадратичної помилки моделі, використавши y_test та y_pred.
  • Виведіть r_squared і rmse.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import root_mean_squared_error
from ____.____ import ____

# Compute R-squared
r_squared = reg.____(____, ____)

# Compute RMSE
rmse = ____(____, ____)

# Print the metrics
print("R^2: {}".format(____))
print("RMSE: {}".format(____))
Редагувати та запускати код