1. Learn
    2. /
  2. 课程
    3. /
  3. Python 树模型机器学习
Connected

道练习

评估最优随机森林

在本课程的最后一个练习中，您将评估 grid_rf 最优模型在测试集上的 RMSE。

数据集已为您加载并完成预处理，并按 80% 训练集和 20% 测试集切分。您的环境中已提供 X_test、y_test，以及来自 sklearn.metrics 并以别名 MSE 导入的函数 mean_squared_error。此外，我们还加载了您在上一个练习中实例化并训练好的 GridSearchCV 对象 grid_rf。请注意，grid_rf 的训练方式如下：

grid_rf.fit(X_train, y_train)

说明

100 XP

  • 从 sklearn.metrics 导入 mean_squared_error，并命名为 MSE。

  • 从 grid_rf 中提取最佳估计器，并将其赋值给 best_model。

  • 使用 best_model 预测测试集标签，并将结果赋值给 y_pred。

  • 计算 best_model 在测试集上的 RMSE。