衡量模型擬合程度
現在你要用兩個指標來評估模型在訓練與測試資料上的迴歸表現——均方根誤差與平均絕對誤差。這是關鍵步驟，用來衡量模型預測值與實際值有多「接近」。
numpy 函式庫已載入為 np。mean_absolute_error 與 mean_squared_error 函式已載入。訓練與測試的目標變數分別為 train_Y 與 test_Y，而訓練與測試的「預測」值則分別為 train_pred_Y 與 test_pred_Y。
本練習屬於課程
Python 的行銷機器學習
練習說明
- 使用
np.sqrt()計算訓練資料的均方根誤差。 - 計算訓練資料的平均絕對誤差。
- 計算測試資料的均方根誤差。
- 計算測試資料的平均絕對誤差。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))