線性迴歸 vs 迴歸樹
在這個練習中，你將比較決策樹 dt 與線性迴歸模型在測試集上的 RMSE。我們已經建立並訓練好一個線性迴歸模型 lr，其使用的資料集與 dt 相同。
你的工作空間中已提供特徵矩陣 X_test、標籤陣列 y_test、已訓練好的線性迴歸模型 lr、以別名 MSE 匯入的 mean_squared_error 函式，以及前一個練習得到的 rmse_dt。
本練習屬於課程
Machine Learning with Tree-Based Models in Python
練習說明
使用線性迴歸模型（
lr）預測測試集標籤，並將結果指定給y_pred_lr。計算測試集的 MSE，並將結果指定給
mse_lr。計算測試集的 RMSE，並將結果指定給
rmse_lr。
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。
# Predict test set labels
____ = ____.____(____)
# Compute mse_lr
____ = ____(____, ____)
# Compute rmse_lr
____ = ____
# Print rmse_lr
print('Linear Regression test set RMSE: {:.2f}'.format(rmse_lr))
# Print rmse_dt
print('Regression Tree test set RMSE: {:.2f}'.format(rmse_dt))