评估模型拟合

现在，您将使用两种指标——均方根误差和平均绝对误差——来评估训练集和测试集上的回归表现。这一步至关重要，帮助您衡量模型预测与真实值有多"接近"。

numpy 库已作为 np 导入。mean_absolute_error 和 mean_squared_error 函数已加载。训练集与测试集的目标变量分别为 train_Y 和 test_Y，相应的训练集与测试集的预测值分别为 train_pred_Y 和 test_pred_Y。

本练习是课程的一部分

Python 营销中的机器学习

查看课程

练习说明

使用 np.sqrt() 函数计算训练集上的均方根误差。
计算训练集上的平均绝对误差。
计算测试集上的均方根误差。
计算测试集上的平均绝对误差。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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))

编辑并运行代码