Tworzenie zbiorów referencyjnego i analitycznego
Po podziale danych na zbiory treningowy, testowy i produkcyjny możesz zbudować i wdrożyć model. Dane testowe i produkcyjne posłużą później do utworzenia zbiorów referencyjnego i analitycznego.
W tym ćwiczeniu przejdziesz przez cały ten proces. Wszystkie zbiory X_train/test/prod oraz y_train/test/prod utworzone w poprzednim ćwiczeniu są już wczytane.
Biblioteka pandas została zaimportowana jako pd i jest gotowa do użycia.
To ćwiczenie jest częścią kursu
Monitorowanie uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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(____)