اکنون مدلی ساخته ایم که حداقل در مورد داده های آموزشی مناسب است.
اکنون می‌خواهیم مدل را با داده‌های آزمایشی نیز آزمایش کنیم تا ببینیم آیا این مدل را به ما می‌دهد یا خیر
نتیجه مشابه.
مثال
Let us find the R2 score when using testing data:
import numpy
from sklea
.metrics import r2_score
numpy.random.seed(2)
x = numpy.random.normal(3, 1, 100)
y = numpy.random.normal(150, 40,
100) / x
train_x = x[:80]
train_y = y[:80]
test_x = x[80:]
test_y = y[80:]
mymodel = numpy.poly1d(numpy.polyfit(train_x, train_y,
4))
r2 = r2_score(test_y, mymodel(test_x))
print(r2)
توجه: نتیجه 0.809 نشان می‌دهد که مدل مطابقت دارد
مجموعه آزمایشی نیز وجود دارد، و ما مطمئن هستیم که می توانیم از مدل برای پیش بینی استفاده کنیم
ارزش های آینده.