1. Nauka
    2. /
  2. Kursy
    3. /
  3. Walidacja modeli w Pythonie
Connected

ćwiczenie

Dane widziane i niewidziane

Modele zazwyczaj osiągają wyższą dokładność na obserwacjach, które już „widziały". W zbiorze danych o słodyczach predykcja popularności Skittlesów będzie prawdopodobnie dokładniejsza niż predykcja popularności Andes Mints – Skittles znajduje się w zbiorze danych, a Andes Mints nie.

Zbudowano model na podstawie 50 słodyczy, korzystając ze zbioru X_train. Twoim zadaniem jest sprawdzenie, jak dokładny jest ten model przy przewidywaniu popularności 50 słodyczy, na których był trenowany, oraz 35 słodyczy (X_test), których nigdy wcześniej nie widział. Jako miarę dokładności wykorzystasz średni błąd bezwzględny, mae().

Instrukcje

100 XP
  • Używając X_train i X_test jako danych wejściowych, utwórz tablice predykcji za pomocą model.predict().
  • Oblicz dokładność modelu zarówno na danych, które model już widział, jak i na danych, których jeszcze nie widział.
  • Użyj instrukcji print, aby wyświetlić wyniki dla danych widzianych i niewidzianych.