Modelkwaliteit evalueren

Het is tijd om de modelkwaliteit te gaan evalueren.

Hier vergelijk je de RMSE en MAE van een gekruisvalideerd XGBoost‑model op de Ames‑woninggegevens. Net als in eerdere oefeningen zijn alle benodigde modules al geladen en is de gegevensset beschikbaar in de DataFrame df.

Deze oefening maakt deel uit van de cursus

Extreme Gradient Boosting met XGBoost

Cursus bekijken

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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))

Code bewerken en uitvoeren