Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- """# Évaluation de la qualité du modèle"""
- model.evaluate(X_test,y_test,verbose=1)
- """Prédiction des températures avec les données de test (et non les données d'entrainement)"""
- test_predictions = model.predict(X_test)
- test_predictions = pd.Series(test_predictions.reshape(len(X_test,)))
- pred_df = pd.DataFrame(y_test,columns=['Test y'])
- pred_df = pd.concat([pred_df,test_predictions],axis=1)
- pred_df.columns = ['Test y','Model predictions']
- """Graphique des données observées (Test y) V. les données prédites par le modèle :"""
- sns.scatterplot(x='Test y',y='Model predictions',data=pred_df)
- """Importation de la fonction Sklearn pour calculer les erreurs"""
- from sklearn.metrics import mean_absolute_error, mean_squared_error
- """Nous voici avec une erreur moyenne absolue de :"""
- mean_absolute_error(pred_df['Test y'],pred_df['Model predictions'])
- """À comparer avec la moyenne des températures (pour se faire une idée d ela qualité du modèle)"""
- df['Temperature (C)'].mean()
- """Le modèle n'est donc pas TRÈS bon, mais on a appris des choses... :)"""
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement