Encontrar la Media de la Raíz del Error Cuadrado con Pandas dataframe

Estoy tratando de calcular la raíz del error cuadrático medio de un pandas marco de datos. He comprobado las anteriores enlaces en apiladas de desbordamiento como Root mean square error en python
y el scikit aprender documentación http://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_squared_error.html tenía la esperanza de que hay alguien que arroje algo de luz sobre lo que estoy haciendo mal.
Aquí está el conjunto de datos. Aquí está mi código.

import pandas as pd
import numpy as np
sales = pd.read_csv("home_data.csv")

from sklearn.cross_validation import train_test_split
train_data,test_data = train_test_split(sales,train_size=0.8)

from sklearn.linear_model import LinearRegression
X = train_data[['sqft_living']]
y=train_data.price
#build the linear regression object
lm=LinearRegression()
# Train the model using the training sets
lm.fit(X,y)
#print the y intercept
print(lm.intercept_)
#print the coefficents
print(lm.coef_)

lm.predict(300)



from math import sqrt
from sklearn.metrics import mean_squared_error
y_true=train_data.price.loc[0:5,]
test_data=test_data[['price']].reset_index()
y_pred=test_data.price.loc[0:5,]
predicted =y_pred.as_matrix()
actual= y_true.as_matrix()
mean_squared_error(actual, predicted)

EDITAR

Así que esto es lo que ha funcionado para mí. He tenido que transformar el conjunto de datos de prueba los valores de pies cuadrados de vida de filas a columnas.

from sklearn.linear_model import LinearRegression
X = train_data[['sqft_living']]
y=train_data.price
#build the linear regression object
lm=LinearRegression()
# Train the model using the training sets
lm.fit(X,y)

Nuevo código

test_X = test_data.sqft_living.values
print(test_X)
print(np.shape(test_X))
print(len(test_X))
test_X = np.reshape(test_X, [4323, 1])
print(test_X)
from sklearn.metrics import mean_squared_error
from sklearn.metrics import explained_variance_score
MSE = mean_squared_error(y_true = test_data.price.values, y_pred = lm.predict(test_X))
MSE
MSE**(0.5)