評估 RF 迴歸器
現在你要評估上一個練習中訓練好的隨機森林迴歸器 rf 在測試集上的 RMSE。
資料集已為你處理好，並切分為 80% 訓練集與 20% 測試集。特徵矩陣 X_test 與陣列 y_test 已可在你的工作環境中使用。此外，我們也已載入你在上一個練習訓練的模型 rf。
本練習屬於課程
Machine Learning with Tree-Based Models in Python
練習說明
- 從
sklearn.metrics匯入mean_squared_error，並命名為MSE。 - 預測測試集標籤，將結果指定給
y_pred。 - 計算測試集的 RMSE，將結果指定給
rmse_test。
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。
# Import mean_squared_error as MSE
from ____.____ import ____ as ____
# Predict the test set labels
y_pred = ____.____(____)
# Evaluate the test set RMSE
rmse_test = ____
# Print rmse_test
print('Test set RMSE of rf: {:.2f}'.format(rmse_test))