评估 10 折交叉验证误差

在本练习中，您将评估上一题中实例化的回归树 dt 所取得的 10 折交叉验证均方根误差（RMSE）。

除 dt 外，训练数据 X_train 和 y_train 也已在您的工作区中可用。我们还从 sklearn.model_selection 导入了 cross_val_score。

请注意，由于 cross_val_score 只能返回负的 MSE，其输出需要乘以 -1 才能得到 MSE。随后对这些 MSE 取平均并开平方即可得到交叉验证 RMSE。

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

通过将 scoring 参数设为 'neg_mean_squared_error'，计算 dt 的 10 折交叉验证 MSE。
根据得到的 MSE 分数计算 RMSE。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Compute the array containing the 10-folds CV MSEs
MSE_CV_scores = - ____(____, ____, ____, cv=____, 
                       ____='____',
                       n_jobs=-1)

# Compute the 10-folds CV RMSE
RMSE_CV = (____.____)**(____)

# Print RMSE_CV
print('CV RMSE: {:.2f}'.format(RMSE_CV))

编辑并运行代码