Začněte nyníZačněte zdarma

Implementace cross_val_score()

Tvoje firma vytvořila několik nových druhů cukrovinek, ale není si jistá, jestli by měla uvést na trh všech pět. Aby bylo možné předpovědět popularitu těchto novinek, dostals/a za úkol sestavit regresní model na základě datové sady s cukrovinkami. Nezapomeň, že cílová proměnná vyjadřuje procento vyhraných přímých soubojů oproti ostatním cukrovinkám.

Než začneš zkoušet různé regresní modely, rozhodneš se spustit křížovou validaci na jednoduchém modelu náhodného lesa a získat základní chybovou metriku, se kterou budeš porovnávat budoucí výsledky.

Toto cvičení je součástí kurzu

Validace modelů v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Doplň funkci cross_val_score().
    • Jako trénovací data použij X_train a jako cílovou proměnnou y_train.
    • Použij rfc jako model, 10násobnou křížovou validaci a mse jako hodnoticí funkci.
  • Vypiš průměr výsledků cv.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

rfc = RandomForestRegressor(n_estimators=25, random_state=1111)
mse = make_scorer(mean_squared_error)

# Set up cross_val_score
cv = cross_val_score(estimator=____,
                     X=____,
                     y=____,
                     cv=____,
                     scoring=____)

# Print the mean error
print(cv.____())
Upravit a spustit kód