Fare previsioni lazy
Il modello che hai addestrato prima era buono, ma potrebbe migliorare passando più volte sui dati di training. Inoltre, sarebbe un peccato non sfruttarlo: usalo per fare alcune previsioni su un insieme di dati separato da quello di training.
Una versione non addestrata del modello che hai creato nell'esercizio precedente è disponibile nell'ambiente come dask_model. I Dask DataFrame dei dati di training sono disponibili come dask_X e dask_y.
Questo esercizio fa parte del corso
Programmazione parallela con Dask in Python
Istruzioni dell'esercizio
- Crea un ciclo for e usalo per addestrare
dask_modelsudask_Xedask_y5 volte. - Usa il modello addestrato per fare previsioni per le variabili in input
dask_X. - Calcola queste previsioni usando lo scheduler predefinito.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Loop over the training data 5 times
____:
dask_model.____
# Use your model to make predictions
y_pred_delayed = ____
# Compute the predictions
y_pred_computed = ____
print(y_pred_computed)