评估回归树

在本练习中，您将使用根均方误差（RMSE）评估 dt 在测试集上的表现。RMSE 衡量模型预测与真实标签之间的平均偏差。模型的 RMSE 可通过对其均方误差（MSE）开平方得到。

特征矩阵 X_test、数组 y_test，以及您在上一个练习中训练的决策树回归器 dt 已在您的工作区中提供。

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 导入函数 mean_squared_error，并命名为 MSE。
预测测试集标签，将输出赋给 y_pred。
调用 MSE 计算测试集的 MSE，并将结果赋给 mse_dt。
计算测试集的 RMSE，并将其赋给 rmse_dt。

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 from sklearn.metrics as MSE
from ____.____ import ____ as ____

# Compute y_pred
____ = ____.____(____)

# Compute mse_dt
____ = ____(____, ____)

# Compute rmse_dt
____ = ____

# Print rmse_dt
print("Test set RMSE of dt: {:.2f}".format(rmse_dt))

编辑并运行代码