Referentie- en analyseset maken
Nadat je gegevens zijn opgesplitst in train-, test- en productie-sets, kun je je model bouwen en uitrollen. De test- en productiedata worden later gebruikt om de referentie- en analyseset te maken.
In deze oefening doorloop je dit proces. Al je X_train/test/prod- en y_train/test/prod-gegevenssets die je in de vorige oefening hebt gemaakt, zijn hier al ingeladen.
Voor deze oefening is pandas als pd geïmporteerd en klaar voor gebruik.
Deze oefening maakt deel uit van de cursus
Monitoring Machine Learning in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
from lightgbm import LGBMRegressor
# Fit the model
model = LGBMRegressor(random_state=111, n_estimators=50, n_jobs=1)
model.____(____, ____)
# Make predictions
y_pred_train = model.predict(____)
y_pred_test = model.predict(____)
# Deploy the model
y_pred_prod = model.predict(____)