Evaluating model quality
Ha llegado el momento de empezar a evaluar la calidad del modelo.
Aquí compararás el RMSE y el MAE de un modelo XGBoost con validación cruzada sobre los datos de viviendas de Ames. Como en ejercicios anteriores, todos los módulos necesarios ya están cargados y los datos están disponibles en el DataFrame df.
Este ejercicio forma parte del curso
Extreme Gradient Boosting con XGBoost
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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))