किसी ऐप की रेटिंग का पूर्वानुमान
पिछले अभ्यास में Google ऐप्स डेटासेट को एक्सप्लोर करने के बाद, अब आइए ऐसा मॉडल बनाते हैं जो कुछ चुने हुए फीचर्स के आधार पर किसी ऐप की रेटिंग प्रेडिक्ट करे.
इसके लिए आप scikit-learn का DecisionTreeRegressor इस्तेमाल करेंगे। क्योंकि डिसीजन ट्री कई एन्सेम्बल मॉडलों की बुनियाद होते हैं, इसलिए यह दोहराना कि वे कैसे काम करते हैं, पूरे कोर्स में आपके काम आएगा.
हम मूल्यांकन मेट्रिक के रूप में MAE (mean absolute error) का उपयोग करेंगे। यह काफी सहज-समझ है, क्योंकि यह वास्तविक और प्रेडिक्टेड रेटिंग्स के बीच औसत परास (absolute) अंतर को दर्शाता है.
सभी आवश्यक मॉड्यूल पहले से इम्पोर्ट किए गए हैं। फीचर्स और टार्गेट क्रमशः X और y वैरिएबल्स में उपलब्ध हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Ensemble Methods
अभ्यास निर्देश
train_test_split()का उपयोग करXऔरyको ट्रेन और टेस्ट सेट में बाँटिए। टेस्ट साइज के लिए 20% यानी0.2लें.DecisionTreeRegressor()का एक इंस्टेंसreg_dtबनाइए, इन हाइपरपैरामीटर्स के साथ:min_samples_leaf = 3औरmin_samples_split = 9..fit()का उपयोग करके रेग्रेसर को ट्रेनिंग सेट पर फिट कीजिए..predict()का उपयोग कर टेस्ट सेट के लेबल प्रेडिक्ट कीजिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Split into train (80%) and test (20%) sets
X_train, X_test, y_train, y_test = ____(____, ____, ____, random_state=42)
# Instantiate the regressor
reg_dt = ____(____, ____, random_state=500)
# Fit to the training set
____
# Evaluate the performance of the model on the test set
y_pred = ____
print('MAE: {:.3f}'.format(mean_absolute_error(y_test, y_pred)))