Я выполнил модель гребневой регрессии для набора данных (ссылка на набор данных: https://www.kaggle.com/c/house-prices-advanced-regression-techniques/data), как показано ниже:
from sklearn.linear_model import Ridge
from sklearn.model_selection import train_test_split
y = train['SalePrice']
X = train.drop("SalePrice", axis = 1)
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.30)
ridge = Ridge(alpha=0.1, normalize=True)
ridge.fit(X_train,y_train)
pred = ridge.predict(X_test)
Я рассчитал MSE, используя библиотеку метрик от sklearn, как
from sklearn.metrics import mean_squared_error
mean = mean_squared_error(y_test, pred)
rmse = np.sqrt(mean_squared_error(y_test,pred)
Я получаю очень большое значение MSE = 554084039.54321
и RMSE = 21821.8
, я пытаюсь понять, правильна ли моя реализация.
mean_sqaured_error
и RMSE, как вы разделяете данные, какое значение MSE вы получаете, а также ссылку/описание вашего набора данных. - person Szymon Maszke   schedule 10.02.2019