Začněte nyníZačněte zdarma

Výběr nejlepšího modelu podle přesnosti

Tvůj šéf ti nabídl, že ti zaplatí tři sportovní zápasy za rok. Ze 41 domácích zápasů tvého oblíbeného týmu chceš vybrat právě tři, které tým určitě vyhraje. Sestrojíš model, který rozhodne, ve kterých zápasech tvůj tým zvítězí.

K tomu použiješ algoritmus náhodného prohledávání a zaměříš se na přesnost modelu (aby ses opravdu dostal/a jen na výhry). Chceš si také uložit nejlepší model a nejlepší parametry, abys je mohl/a použít i příští rok (pokud se model osvědčí). Jako klasifikační model jsi se rozhodl/a použít náhodný les rfc a vygeneroval/a jsi rozdělení parametrů param_dist.

Toto cvičení je součástí kurzu

Validace modelů v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř skórovací funkci pro přesnost precision pomocí make_scorer(<scoring_function>).
  • Dokonči metodu náhodného prohledávání s použitím rfc a param_dist.
  • Pomocí rs.cv_results_ vypiš průměrná testovací skóre.
  • Vypiš celkově nejlepší skóre.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

from sklearn.metrics import precision_score, make_scorer

# Create a precision scorer
precision = ____(____)
# Finalize the random search
rs = RandomizedSearchCV(
  estimator=____, param_distributions=____,
  scoring = precision,
  cv=5, n_iter=10, random_state=1111)
rs.fit(X, y)

# print the mean test scores:
print('The accuracy for each run was: {}.'.format(rs.cv_results_['____']))
# print the best model score:
print('The best accuracy for a single model was: {}'.format(rs.____))
Upravit a spustit kód