Leniwe prognozowanie
Model, który był trenowany w poprzednim ćwiczeniu, jest dobry – ale można go jeszcze poprawić, przepuszczając dane treningowe kilka razy. Szkoda też marnować dobrze wytrenowany model, więc użyj go do generowania prognoz na osobnym zbiorze danych.
Niedopasowana wersja modelu z poprzedniego ćwiczenia jest dostępna w środowisku jako dask_model. Dask DataFrames z danymi treningowymi są dostępne jako dask_X i dask_y.
To ćwiczenie jest częścią kursu
Programowanie równoległe z Dask w Pythonie
Instrukcje do ćwiczenia
- Utwórz pętlę
fori użyj jej do wytrenowania modeludask_modelna zbiorachdask_Xidask_y5 razy. - Użyj dopasowanego modelu do generowania prognoz dla zmiennych wejściowych
dask_X. - Oblicz te prognozy, korzystając z domyślnego harmonogramu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Loop over the training data 5 times
____:
dask_model.____
# Use your model to make predictions
y_pred_delayed = ____
# Compute the predictions
y_pred_computed = ____
print(y_pred_computed)