如何获取RMSE值

Question

我已经符合方程式了。现在我需要RMSE值

q3_1=data1[['bedrooms', 'bathrooms', 'sqft_living', 'sqft_lot', 'floors', 'zipcode']]

q3_2=data1[['bedrooms', 'bathrooms', 'sqft_living', 'sqft_lot', 'floors','zipcode','condition','grade','waterfront','view','sqft_above','sqft_basement','yr_built','yr_renovated',              
'lat', 'long','sqft_living15','sqft_lot15']]

reg = LinearRegression()

reg.fit(q3_1,data1.price)

reg.fit(q3_2,data1.price)

我不能从这里开始。我需要这两种情况下的RMSE值。

Answer 1

据我所知，你在谷歌Colab上使用TensorFlow。

我不知道你的LinearRegression对象到底是什么，但我假设它是一个只有一个节点的Keras模型。

因此，我有一个问题，如何用具有不同模式的datasets训练相同的模型( reg实例) --一个有6列，另一个有16列？

顺便说一句，在训练/拟合过程中，keras能够给你提供你所在时代的MSE，如果你提供了一个验证数据集，还可以提供一个验证MSE。最后，您可以使用evaluate方法，该方法：

返回模型的损失值和度量值...

只需使用"mean_squared_error“指标即可。

编辑

当您使用scikit-learn时，您必须自己处理指标。您可以使用predict方法从经过训练的模型中获得针对数据集的预测。然后是mean_squared_error指标，它使用起来很简单。

train_x, train_y = data1.features[:-100], data1.price[:-100]
test_x, test_y = data1.features[-100:], data1.price[-100:]

reg = LinearRegression()
reg.fit(train_x, train_y)

predictions = reg.predict(test_x)
mse = sklearn.metrics.mean_squared_error(test_y, predictions)
print("RMSE: %s" % math.sqrt(mse))