在测试集上进行预测
在上一个练习中，线性回归和岭回归的结果看起来相近。此时选择任一模型都可以；不过，您可以在测试集上检查预测性能，看看是否有模型能够更胜一筹。
本题将使用均方根误差（RMSE）作为评估指标。字典 models（包含两个模型的名称与实例）已为您预加载，同时还提供了训练与目标数组 X_train_scaled、X_test_scaled、y_train 和 y_test。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 导入
root_mean_squared_error。 - 用已缩放的训练特征和训练标签拟合模型。
- 使用已缩放的测试特征进行预测。
- 传入测试集标签与预测标签，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。
# Import root_mean_squared_error
from ____.____ import ____
for name, model in models.items():
# Fit the model to the training data
____
# Make predictions on the test set
y_pred = ____
# Calculate the test_rmse
test_rmse = ____(____, ____)
print("{} Test Set RMSE: {}".format(name, test_rmse))