Mengevaluasi kualitas model
Sekarang saatnya mulai mengevaluasi kualitas model.
Di sini, Anda akan membandingkan RMSE dan MAE dari model XGBoost dengan cross-validation pada data perumahan Ames. Seperti pada latihan sebelumnya, semua modul yang diperlukan telah dimuat sebelumnya dan data tersedia dalam DataFrame df.
Latihan ini adalah bagian dari kursus
Extreme Gradient Boosting dengan XGBoost
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Create the DMatrix: housing_dmatrix
housing_dmatrix = xgb.DMatrix(data=X, label=y)
# Create the parameter dictionary: params
params = {"objective":"reg:squarederror", "max_depth":4}
# Perform cross-validation: cv_results
cv_results = ____(dtrain=____, params=____, nfold=____, num_boost_round=____, metrics=____, as_pandas=True, seed=123)
# Print cv_results
print(cv_results)
# Extract and print final boosting round metric
print((cv_results["____"]).tail(1))