La prediction du salaire selon votre modèle de régression linéaire est évalué selon la méthode du Root Mean Square Error. Comme son nom l'indique, elle fait la moyenne de la somme de l'écart entre les valeurs prédites et les valeurs actuelles au carré. Par la suite, elle fait la racine carrée de ce résultat.
\[ RMSE = \sqrt{\frac{\sum^{n}_{i=1}(pred_i - y_i)^2}{n}}\]
De ce fait, plus le RMSE est bas, meilleur sera votre placement.
Comment faire une soumission?
Après avoir avoir entrainé votre modèle de régression linéaire avec le fichier train.csv, il faudra prédire les salaires des joueurs dans le fichier test.csv. Pour faire une soumission, il faut créer un nouveau fichier csv avec deux colonnes: ID des joueurs (les mêmes que ceux du train.csv) et la salaire prédite correspondant au ID du joueur (output de la régression linéaire).
La prédiction du salaire doit être converti dans un pandas dataframe avec la ligne :
submission= pd.DataFrame({'Predicted': np.asarray(PredictionSalaire).flatten()})
Ensuite, pour ajouter la colonne ID, on peut l'ajouter manuellement avec ces fonctions:
submission["Id"] = (submission.index + 1)
submission = submission [["Id", "Predicted"]]
Un exemple de fichier valide de soumission est disponible dans l'onglet "Data". Il est important que votre le nombre de salaires prédite soit de 70.
Pour créer un fichier csv dans kaggle, il faut simplement faire appel à la fonction pandas:
submission.to_csv('submission.csv', index=False)
...ou "submission" représente un tableau avec les deux colonnes ID et Prediction. Il faut s'assurer que le tableau submission est un pandas dataframe. On peut facilement le convertir en pandas datamframe en utilisant la fonction pd.DataFrame(submission)
Finalement, il suffit de cliquer sur l'onglet New Submission et de faire un drag and drop. Kaggle évaluera votre résultat et vous classera sur le leaderboard.