Bắt đầu ngayBắt đầu miễn phí

Đánh giá cây hồi quy

Trong bài tập này, bạn sẽ đánh giá hiệu năng trên tập kiểm tra của dt bằng chỉ số Root Mean Squared Error (RMSE). RMSE đo lường, trung bình, mức độ sai khác giữa dự đoán của mô hình và nhãn thực tế. RMSE của một mô hình có thể được tính bằng cách lấy căn bậc hai của Mean Squared Error (MSE) của mô hình.

Ma trận đặc trưng X_test, mảng y_test, cũng như bộ hồi quy cây quyết định dt mà bạn đã huấn luyện ở bài trước đều có sẵn trong không gian làm việc của bạn.

Bài tập này là một phần của khóa học

Machine Learning với mô hình dựa trên cây trong Python

Xem khóa học

Hướng dẫn bài tập

  • Import hàm mean_squared_error với bí danh MSE từ sklearn.metrics.
  • Dự đoán nhãn của tập kiểm tra và gán đầu ra vào y_pred.
  • Tính MSE trên tập kiểm tra bằng cách gọi MSE và gán kết quả vào mse_dt.
  • Tính RMSE trên tập kiểm tra và gán vào rmse_dt.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Import mean_squared_error from sklearn.metrics as MSE
from ____.____ import ____ as ____

# Compute y_pred
____ = ____.____(____)

# Compute mse_dt
____ = ____(____, ____)

# Compute rmse_dt
____ = ____

# Print rmse_dt
print("Test set RMSE of dt: {:.2f}".format(rmse_dt))
Chỉnh sửa và Chạy Mã