Effectuer des prédictions paresseuses
Le modèle que vous avez entraîné précédemment était bon, mais il pourrait être encore meilleur si vous repassiez quelques fois de plus sur les données d’entraînement. Et ce serait dommage de ne pas l’exploiter : utilisez-le pour faire des prédictions sur un jeu de données distinct de celui utilisé pour l’entraînement.
Une version non entraînée du modèle que vous avez créé dans l’exercice précédent est disponible dans votre environnement sous le nom dask_model. Des Dask DataFrames contenant les données d’entraînement sont disponibles sous dask_X et dask_y.
Cet exercice fait partie du cours
Programmation parallèle avec Dask en Python
Instructions
- Créez une boucle for et utilisez-la pour entraîner
dask_modelsurdask_Xetdask_y5 fois. - Utilisez le modèle entraîné pour générer des prédictions pour les variables d’entrée
dask_X. - Calculez ces prédictions en utilisant l’ordonnanceur par défaut.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)