Bắt đầu ngayBắt đầu miễn phí

Đánh giá lỗi huấn luyện

Giờ bạn sẽ đánh giá RMSE trên tập huấn luyện đạt được bởi cây hồi quy dt mà bạn đã khởi tạo ở bài trước.

Ngoài dt, X_train và y_train cũng có sẵn trong không gian làm việc của bạn.

Lưu ý: trong scikit-learn, MSE của một mô hình có thể được tính như sau:

MSE_model = mean_squared_error(y_true, y_predicted)

trong đó ta dùng hàm mean_squared_error từ module metrics và truyền vào nhãn thực y_true làm đối số thứ nhất, và nhãn dự đoán từ mô hình y_predicted làm đối số thứ hai.

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 mean_squared_error dưới tên MSE từ sklearn.metrics.
  • Fit dt trên tập huấn luyện.
  • Dự đoán nhãn trên tập huấn luyện bằng dt và gán kết quả cho y_pred_train.
  • Tính RMSE trên tập huấn luyện của dt và gán cho RMSE_train.

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
____

# 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))
Chỉnh sửa và Chạy Mã