Začněte nyníZačněte zdarma

Leave-one-out cross-validation

Představ si, že tvoje oblíbená sladkost v candy datasetu chybí a ty chceš odhadnout její popularitu. 5-násobná křížová validace by model trénovala vždy jen na 80 % dat. Candy dataset má ale pouhých 85 řádků, a vynechání 20 % dat by mohlo náš model poškodit. Leave-one-out cross-validation nám umožní vytěžit maximum z omezeného datasetu a poskytne nejlepší odhad popularity tvé oblíbené sladkosti!

V tomto cvičení použiješ cross_val_score() k provedení LOOCV.

Toto cvičení je součástí kurzu

Validace modelů v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř scorer pomocí mean_absolute_error, který bude cross_val_score() používat.
  • Doplň cross_val_score() tak, aby používal model rfr, nově definovaný mae_scorer a LOOCV.
  • Vypiš průměr a směrodatnou odchylku scores pomocí numpy (načteného jako np).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

from sklearn.metrics import mean_absolute_error, make_scorer

# Create scorer
mae_scorer = ____(____)

rfr = RandomForestRegressor(n_estimators=15, random_state=1111)

# Implement LOOCV
scores = cross_val_score(____, X=X, y=y, cv=____, scoring=____)

# Print the mean and standard deviation
print("The mean of the errors is: %s." % np.____(____))
print("The standard deviation of the errors is: %s." % np.____(____))
Upravit a spustit kód