शुरू करेंमुफ़्त में शुरू करें

क्या मैं underfitting कर रहा हूँ?

आप भविष्य के Tic-Tac-Toe गेम में जीत होगी या नहीं, यह प्रेडिक्ट करने के लिए एक रैंडम फॉरेस्ट मॉडल बना रहे हैं. tic_tac_toe डेटासेट का उपयोग करते हुए, आपने प्रशिक्षण और परीक्षण डेटासेट X_train, X_test, y_train, और y_test बना लिए हैं.

आपने अलग-अलग पेड़ों की संख्या (1, 2, 3, 4, 5, 10, 20, और 50) के साथ कई रैंडम फॉरेस्ट मॉडल बनाने का निर्णय लिया है. जितने अधिक पेड़ होंगे, आपका रैंडम फॉरेस्ट मॉडल चलने में उतना अधिक समय लेगा. लेकिन यदि आप पर्याप्त पेड़ इस्तेमाल नहीं करते, तो underfitting का जोखिम रहता है. आपने अलग-अलग पेड़ों की संख्या पर अपने मॉडल का परीक्षण करने के लिए एक for लूप बनाया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Model Validation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • हर लूप में, X_train और X_test दोनों डेटासेट के लिए वैल्यूज़ प्रेडिक्ट करें.
  • हर लूप में, y_train डेटासेट और उससे जुड़े प्रेडिक्शंस का accuracy_score() निकालकर train_scores में जोड़ें.
  • हर लूप में, y_test डेटासेट और उससे जुड़े प्रेडिक्शंस का accuracy_score() निकालकर test_scores में जोड़ें.
  • दिए गए print स्टेटमेंट्स का उपयोग करके प्रशिक्षण और परीक्षण स्कोर प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

from sklearn.metrics import accuracy_score

test_scores, train_scores = [], []
for i in [1, 2, 3, 4, 5, 10, 20, 50]:
    rfc = RandomForestClassifier(n_estimators=i, random_state=1111)
    rfc.fit(X_train, y_train)
    # Create predictions for the X_train and X_test datasets.
    train_predictions = rfc.predict(____)
    test_predictions = rfc.predict(____)
    # Append the accuracy score for the test and train predictions.
    train_scores.append(round(____(____, ____), 2))
    test_scores.append(round(____(____, ____), 2))
# Print the train and test scores.
print("The training scores were: {}".format(____))
print("The testing scores were: {}".format(____))
कोड संपादित करें और चलाएँ