预测电影收入
让我们从一个简单的线性回归开始挑战电影收入预测：根据 'budget' 特征来估计电影的对数收入（log-revenue）。本题评估指标为 RMSE（均方根误差）。在 scikit-learn 中，您可以使用 sklearn.metrics 模块的 mean_squared_error() 函数计算 MSE，再用 numpy 开平方得到 RMSE。
movies 数据集已为您加载，并拆分为训练集和测试集。此外，缺失值已用 0 填充。我们还使用 StandardScaler() 对输入特征做了标准化。若想进一步了解机器学习中的预处理，欢迎查看 DataCamp 关于数据清洗和特征工程的课程。
本练习是课程的一部分
Python 中的集成方法
练习说明
- 实例化默认的
LinearRegression模型。 - 在测试集上计算预测值。
- 计算 RMSE。
mean_squared_error()需要两个参数：先是y_test，再是预测值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build and fit linear regression model
reg_lm = ____
reg_lm.fit(X_train, y_train)
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance using the RMSE
rmse = np.sqrt(____)
print('RMSE: {:.3f}'.format(rmse))