评估训练误差
现在，您将评估之前练习中实例化的回归树 dt 在训练集上达到的 RMSE。
除 dt 外，X_train 和 y_train 也已在您的工作区可用。
请注意，在 scikit-learn 中，模型的 MSE 可按如下方式计算：
MSE_model = mean_squared_error(y_true, y_predicted)
这里使用的是 metrics 模块中的 mean_squared_error 函数。第 1 个参数传入真实标签 y_true，第 2 个参数传入模型的预测标签 y_predicted。
本练习是课程的一部分
Python 树模型机器学习
练习说明
- 从
sklearn.metrics导入mean_squared_error并命名为MSE。 - 将
dt拟合到训练集。 - 预测
dt在训练集上的标签，并将结果赋给y_pred_train。 - 评估
dt的训练集 RMSE，并将其赋给RMSE_train。
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
____
# Fit dt to the training set
____.____(____, ____)
# Predict the labels of the training set
____ = ____.____(____)
# Evaluate the training set RMSE of dt
____ = (____(____, ____))**(___)
# Print RMSE_train
print('Train RMSE: {:.2f}'.format(RMSE_train))