1. Learn
    2. /
  2. Courses
    3. /
  3. Walidacja modeli w Pythonie
Connected

Exercise

Czy mój model jest niedouczony?

Tworzysz model lasu losowego, który ma przewidywać, czy wygrasz przyszłą partię kółko i krzyżyk. Korzystając ze zbioru danych tic_tac_toe, przygotowałeś zbiory treningowy i testowy: X_train, X_test, y_train oraz y_test.

Postanowiłeś zbudować kilka modeli lasu losowego z różną liczbą drzew (1, 2, 3, 4, 5, 10, 20 i 50). Im więcej drzew, tym dłużej trwa uczenie modelu. Jeśli jednak użyjesz ich zbyt mało, ryzykujesz niedouczenie. Przygotowałeś pętlę for, która testuje model przy każdej z tych liczb drzew.

Instructions

100 XP
  • W każdej iteracji pętli przewiduj wartości zarówno dla zbioru X_train, jak i X_test.
  • W każdej iteracji pętli dodawaj do train_scores wartość accuracy_score() obliczoną dla y_train i odpowiadających im predykcji.
  • W każdej iteracji pętli dodawaj do test_scores wartość accuracy_score() obliczoną dla y_test i odpowiadających im predykcji.
  • Wyświetl wyniki dla zbioru treningowego i testowego za pomocą przygotowanych instrukcji print.