Valutare la qualità del modello
È il momento di iniziare a valutare la qualità del modello.
Qui confronterai RMSE e MAE di un modello XGBoost con convalida incrociata sui dati delle case di Ames. Come negli esercizi precedenti, tutti i moduli necessari sono già stati caricati e i dati sono disponibili nel DataFrame df.
Questo esercizio fa parte del corso
Extreme Gradient Boosting con XGBoost
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))