शुरू करेंमुफ़्त में शुरू करें

cross_val_score() लागू करें

आपकी कंपनी ने बिक्री के लिए कई नई कैंडीज़ बनाई हैं, लेकिन उन्हें यकीन नहीं है कि क्या सभी पाँच को जारी किया जाए. इन नई कैंडीज़ की लोकप्रियता का अनुमान लगाने के लिए, आपसे कैंडी डेटासेट का उपयोग करके एक regression मॉडल बनाने के लिए कहा गया है. ध्यान रखें कि response मान अन्य कैंडीज़ के खिलाफ head-to-head जीत-प्रतिशत है.

विभिन्न regression मॉडल आज़माने से पहले, आपने एक साधारण random forest मॉडल पर cross-validation चलाने का फैसला किया है ताकि भविष्य के नतीजों से तुलना करने के लिए एक baseline error मिल सके.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Model Validation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • cross_val_score() भरें.
    • training डेटा के लिए X_train, और response के लिए y_train का उपयोग करें.
    • मॉडल के रूप में rfc का उपयोग करें, 10-fold cross-validation रखें, और scoring फंक्शन के लिए mse उपयोग करें.
  • cv परिणामों का mean प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

rfc = RandomForestRegressor(n_estimators=25, random_state=1111)
mse = make_scorer(mean_squared_error)

# Set up cross_val_score
cv = cross_val_score(estimator=____,
                     X=____,
                     y=____,
                     cv=____,
                     scoring=____)

# Print the mean error
print(cv.____())
कोड संपादित करें और चलाएँ