线性回归 vs 回归树

在本练习中，您将比较回归树 dt 在测试集上的 RMSE 与线性回归模型的表现。我们已经实例化了线性回归模型 lr，并用与 dt 相同的数据集进行了训练。

工作区中已提供特征矩阵 X_test、标签数组 y_test、已训练好的线性回归模型 lr、以别名 MSE 导入的 mean_squared_error 函数，以及上一个练习得到的 rmse_dt。

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

使用线性回归模型（lr）预测测试集标签，并将结果赋给 y_pred_lr。
计算测试集的 MSE，并将结果赋给 mse_lr。
计算测试集的 RMSE，并将结果赋给 rmse_lr。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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))

编辑并运行代码