评估 RF 回归器

现在，您将评估上一练习中训练的随机森林回归器 rf 在测试集上的 RMSE。

数据集已为您预处理，并按 80% 训练集、20% 测试集进行拆分。特征矩阵 X_test 和数组 y_test 已在您的工作区中可用。另外，我们也已加载了您在上一练习中训练的模型 rf。

本练习是课程的一部分

Python 树模型机器学习

查看课程

练习说明

从 sklearn.metrics 中以 MSE 的别名导入 mean_squared_error。
预测测试集标签，并将结果赋给 y_pred。
计算测试集的 RMSE，并将其赋给 rmse_test。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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))

编辑并运行代码