1. Learn
    2. /
  2. Курси
    3. /
  3. Ансамблеві методи в Python
Connected

Вправа

Прогнозування касових зборів фільмів

Почнімо завдання з прогнозування касових зборів, побудувавши просту лінійну регресію для оцінювання логарифма виручки фільмів на основі ознаки 'budget'. Метрика, яку ви тут використаєте, — RMSE (корінь із середньоквадратичної помилки). Щоб обчислити це за допомогою scikit-learn, скористайтеся функцією mean_squared_error() з модуля sklearn.metrics, а потім візьміть квадратний корінь результату за допомогою numpy.

Набір даних movies уже завантажено та розділено на тренувальну й тестову вибірки. Крім того, пропущені значення замінено на нулі. Ми також стандартизували вхідну ознаку за допомогою StandardScaler(). Перегляньте курси DataCamp про очищення даних і інженерію ознак, якщо хочете дізнатися більше про передоброблення для машинного навчання.

Інструкції

100 XP
  • Створіть екземпляр стандартної моделі LinearRegression.
  • Обчисліть прогнози на тестовій вибірці.
  • Обчисліть RMSE. Функція mean_squared_error() приймає два аргументи: спочатку y_test, а потім прогнози.