검증 점수 복제하기

영상에서 검증 점수와 Public Leaderboard 점수를 모두 보셨을 거예요. 하지만 코드 예시는 테스트 데이터만 제공됩니다. 검증 점수를 얻으려면 동일한 과정을 홀드아웃 세트에 반복해야 해요.

이 장 전반에서 New York City Taxi 대회 데이터를 사용합니다. 문제는 뉴욕시에서 택시 승차의 요금(fare amount)을 예측하는 것입니다. 대회 평가지표는 root mean squared error입니다.

첫 번째 목표는 검증 데이터에서 Baseline 모델을 평가하는 것이에요. "fare_amount"의 평균을 기반으로 한 가장 단순한 Baseline을 재현해 보겠습니다. 검증 전략으로는 30% 홀드아웃 분할을 사용했고, validation_train을 학습용, validation_test를 홀드아웃 DataFrame으로 사용했다는 점을 기억하세요. 두 DataFrame은 작업 공간에 준비되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 Kaggle 대회 공략하기

강의 보기

연습 안내

validation_train DataFrame 전체에서 "fare_amount"의 평균을 계산하세요.
이 단순 예측 값을 홀드아웃의 모든 예측에 할당하세요. 결과는 "pred" 열에 저장하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

import numpy as np
from sklearn.metrics import mean_squared_error
from math import sqrt

# Calculate the mean fare_amount on the validation_train data
naive_prediction = np.____(____['____'])

# Assign naive prediction to all the holdout observations
validation_test['pred'] = ____

# Measure the local RMSE
rmse = sqrt(mean_squared_error(validation_test['fare_amount'], validation_test['pred']))
print('Validation RMSE for Baseline I model: {:.3f}'.format(rmse))

코드 편집 및 실행