[FAQ] Homework 6 Q4: How do I calculate mean RMSE when selecting max_depth?

Abierto Apto para principiantes
  • ¿Algo no está bien?
#545 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 2 días

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
1/5
Tiempo estimado
1-3 horas
Aptitud para principiantes
70/100
Tipo de issue
Documentación
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
pandas, python
Área
documentation, machine-learning

Línea de trabajo

La respuesta de preguntas frecuentes ya está redactada en el cuerpo del issue, así que el trabajo consiste en verificarla con el enlace de origen, Homework 6 Pregunta 4 en cohorts/2026/homework/06-trees/homework.md. Ejecuta el fragmento de groupby de pandas para confirmar las medias ilustrativas de 2.2 y 2.3. Está terminado cuando la respuesta quede confirmada como correcta o corregida y la entrada de preguntas frecuentes esté lista para añadirse.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Course

machine-learning-zoomcamp

Question

How do I calculate mean RMSE when selecting max_depth in Homework 6 Q4? Should
I choose the best individual forest, average predictions, or average the RMSE
scores for each depth?

Answer

Average the four validation RMSE scores for each fixed depth, then select
the depth with the lowest mean. Keep the individual RMSE values at full
precision until after calculating the mean.

In the 2026 assignment, each max_depth in [10, 15, 20, 25] is evaluated with
n_estimators in [10, 50, 100, 150], with random_state=1. This produces
16 models, four validation RMSE values per depth, and four depth-level means.
Use the same prepared training and validation data for every model.

For a fixed depth d, the comparison score is:

mean_rmse(d) = (rmse(d, 10) + rmse(d, 50) + rmse(d, 100) + rmse(d, 150)) / 4

Here is a small, runnable example using hypothetical scores and a smaller
grid, not the homework results:

import pandas as pd

scores = pd.DataFrame([
    {"max_depth": 2, "n_estimators": 5, "val_rmse": 2.1},
    {"max_depth": 2, "n_estimators": 15, "val_rmse": 2.3},
    {"max_depth": 3, "n_estimators": 5, "val_rmse": 1.8},
    {"max_depth": 3, "n_estimators": 15, "val_rmse": 2.8},
])

mean_rmse = scores.groupby("max_depth")["val_rmse"].mean()
print(mean_rmse.round(6))  # Round only for display.

The illustrative means are 2.2 for depth 2 and 2.3 for depth 3. Although depth 3
contains the best individual model (RMSE 1.8), depth 2 has the lower mean.

Do not replace this calculation with:

  • The minimum RMSE for each depth, or the best single depth/size combination.
  • The mean of the predictions from several forests; that evaluates a different
    ensemble model.
  • The square root of the mean of the four MSE values; the square root is
    nonlinear, so this generally differs from the arithmetic mean of four RMSEs.

If depth-level means tie, report the tie and follow any explicit assignment or
maintainer guidance. The example above intentionally has a unique minimum.

Source: 2026 Homework 6, Question 4.

Checklist
  • I have searched existing FAQs and this question is not already answered
  • The answer provides accurate, helpful information
  • I have included any relevant code examples or links
Lenguaje dominante
Python
Estrellas
8
Forks
20
Merge medio
6 d 15 h
PR fusionados (30 d)
7

Preparar el entorno

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de DataTalksClub/faq

Todos los issues de DataTalksClub/faq

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.