Mulai sekarangMulai gratis

Evaluasi model pada himpunan uji

Setelah melatih model, Anda dapat mengevaluasinya pada data baru. Anda akan memberikan matriks X baru (disebut juga data uji), membiarkannya membuat prediksi, lalu membandingkannya dengan variabel y yang diketahui (disebut juga data target).

Dalam kasus ini, Anda akan menggunakan data dari turnamen pascamusim untuk mengevaluasi model Anda. Pertandingan turnamen terjadi setelah pertandingan musim reguler yang Anda gunakan untuk melatih model, sehingga merupakan evaluasi yang baik tentang seberapa baik model Anda berkinerja di luar sampel.

DataFrame games_tourney_test bersama objek model yang sudah dilatih tersedia di workspace Anda.

Latihan ini merupakan bagian dari kursus

Deep Learning Tingkat Lanjut dengan Keras

Lihat Kursus

Instruksi latihan

  • Tetapkan data uji (kolom seed_diff) ke X_test.
  • Tetapkan data target (kolom score_diff) ke y_test.
  • Evaluasi model pada X_test dan y_test.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Load the X variable from the test data
X_test = ____

# Load the y variable from the test data
y_test = ____

# Evaluate the model on the test data
print(model.____(____, ____, verbose=False))
Edit dan Jalankan Kode