शुरू करेंमुफ़्त में शुरू करें

KFold इंडिसीज़ का उपयोग

आपने पहले ही splits बना लिए हैं, जिनमें candy-data डेटासेट के लिए 5-fold cross-validation पूरा करने के इंडेक्स शामिल हैं. यह बेहतर आँकलन करने के लिए कि आपके सहकर्मी का रैंडम फ़ॉरेस्ट मॉडल नए डेटा पर कैसा प्रदर्शन करेगा, आप इस मॉडल को अभी बनाए गए पाँच अलग-अलग प्रशिक्षण और वैलिडेशन इंडिसीज़ पर चलाना चाहते हैं.

इस अभ्यास में, आप इन्हीं इंडिसीज़ का उपयोग करके इन पाँच अलग-अलग स्प्लिट्स पर इस मॉडल की एक्यूरेसी जाँचेंगे. इस प्रक्रिया में मदद के लिए एक for लूप दिया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Model Validation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • प्रशिक्षण और वैलिडेशन डेटा बनाते समय train_index और val_index का उपयोग करके X और y के सही इंडेक्स कॉल करें.
  • प्रशिक्षण डेटासेट का उपयोग करके rfc को फिट करें
  • वैलिडेशन डेटासेट के लिए प्रीडिक्शन बनाने और वैलिडेशन एक्यूरेसी प्रिंट करने के लिए rfc का उपयोग करें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error

rfc = RandomForestRegressor(n_estimators=25, random_state=1111)

# Access the training and validation indices of splits
for train_index, val_index in splits:
    # Setup the training and validation data
    X_train, y_train = X[____], y[____]
    X_val, y_val = X[____], y[____]
    # Fit the random forest model
    rfc.____(____, ____)
    # Make predictions, and print the accuracy
    predictions = rfc.____(____)
    print("Split accuracy: " + str(mean_squared_error(y_val, predictions)))
कोड संपादित करें और चलाएँ