Träge Vorhersagen treffen

Das Modell, das du letztes Mal trainiert hast, war gut, aber es könnte noch besser werden, wenn du die Trainingsdaten ein paar Mal mehr durchläufst. Außerdem wäre es schade, ein gutes Modell ungenutzt zu lassen – setz es also ein, um Vorhersagen auf einem separaten Datensatz zu machen, der sich vom Trainingsdatensatz unterscheidet.

Eine untrainierte Version des Modells aus der letzten Übung steht dir in deiner Umgebung als dask_model zur Verfügung. Dask-DataFrames mit Trainingsdaten findest du als dask_X und dask_y.

Diese Übung ist Teil des Kurses

<Kurs>Parallele Programmierung mit Dask in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Erstelle eine for-Schleife und trainiere damit dask_model 5-mal auf dask_X und dask_y.
Verwende das trainierte Modell, um Vorhersagen für die Eingabevariablen dask_X zu berechnen.
Rechne diese Vorhersagen mit dem Standardscheduler aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Loop over the training data 5 times
____:
	dask_model.____

# Use your model to make predictions
y_pred_delayed = ____

# Compute the predictions
y_pred_computed = ____

print(y_pred_computed)

Code bearbeiten und ausführen