Đo độ phù hợp của mô hình
Bây giờ bạn sẽ đo lường hiệu suất hồi quy trên cả dữ liệu huấn luyện và kiểm tra với hai chỉ số: root mean squared error và mean absolute error. Đây là bước quan trọng để đánh giá dự đoán của mô hình “gần” với giá trị thực đến mức nào.
Thư viện numpy đã được nạp là np. Các hàm mean_absolute_error và mean_squared_error đã được nạp. Biến mục tiêu của tập huấn luyện và kiểm tra lần lượt là train_Y và test_Y, và các giá trị dự đoán tương ứng đã được nhập là train_pred_Y và test_pred_Y.
Bài tập này là một phần của khóa học
Machine Learning cho Marketing với Python
Hướng dẫn bài tập
- Tính root mean squared error trên dữ liệu huấn luyện bằng hàm
np.sqrt(). - Tính mean absolute error trên dữ liệu huấn luyện.
- Tính root mean squared error trên dữ liệu kiểm tra.
- Tính mean absolute error trên dữ liệu kiểm tra.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Calculate root mean squared error on training data
rmse_train = np.sqrt(___(train_Y, train_pred_Y))
# Calculate mean absolute error on training data
mae_train = ___(train_Y, train_pred_Y)
# Calculate root mean squared error on testing data
rmse_test = np.sqrt(___(test_Y, test_pred_Y))
# Calculate mean absolute error on testing data
mae_test = ___(test_Y, test_pred_Y)
# Print the performance metrics
print('RMSE train: {}; RMSE test: {}\nMAE train: {}, MAE test: {}'.format(rmse_train, rmse_test, mae_train, mae_test))