1. Nauka
    2. /
  2. Kursy
    3. /
  3. Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Connected

ćwiczenie

Walidacja krzyżowa

Walidacja krzyżowa to technika sprawdzania, jak model radzi sobie na danych, których nie widział podczas treningu. Pozwala upewnić się, że wyniki testowe nie są przypadkowym efektem konkretnego podziału danych. W tym ćwiczeniu skorzystasz z implementacji dostępnych w sklearn, aby przeprowadzić walidację krzyżową K-fold za pomocą modułu KFold() – i ocenić precyzję oraz czułość drzewa decyzyjnego.

W przestrzeni roboczej dostępne są: X_train, y_train, X_test, y_test. Załadowane są również pandas jako pd, numpy jako np oraz sklearn. Dostępne są też KFold() i cross_val_score() z modułu sklearn.model_selection.

Instrukcje

100 XP
  • Utwórz klasyfikator drzewa decyzyjnego.
  • Skonfiguruj walidację krzyżową K-fold z czterema podziałami i przypisz ją do zmiennej k-fold.
  • Użyj k_fold do przeprowadzenia walidacji krzyżowej za pomocą cross_val_score(), aby ocenić precyzję i czułość modelu (nie używaj recall_score() ani precision_score()!).