Hodnocení kvality modelu
Teď se podíváme na hodnocení kvality modelu.
Porovnáš RMSE a MAE křížově validovaného XGBoost modelu na datech o bydlení z Amesu. Stejně jako v předchozích cvičeních jsou všechny potřebné moduly předem načteny a data jsou dostupná v DataFrame df.
Toto cvičení je součástí kurzu
Extreme Gradient Boosting with XGBoost
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create the DMatrix: housing_dmatrix
housing_dmatrix = xgb.DMatrix(data=X, label=y)
# Create the parameter dictionary: params
params = {"objective":"reg:squarederror", "max_depth":4}
# Perform cross-validation: cv_results
cv_results = ____(dtrain=____, params=____, nfold=____, num_boost_round=____, metrics=____, as_pandas=True, seed=123)
# Print cv_results
print(cv_results)
# Extract and print final boosting round metric
print((cv_results["____"]).tail(1))