Validarea încrucișată a modelului XGBoost

În acest exercițiu, vei merge un pas mai departe, folosind pipeline-ul creat pentru a preprocesa și valida încrucișat modelul.

Acest exercițiu face parte din cursul

Gradient Boosting Extrem cu XGBoost

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un pipeline numit xgb_pipeline folosind steps.
Efectuează validarea încrucișată pe 10 fold-uri folosind cross_val_score(). Va trebui să transmiți pipeline-ul, X (ca dicționar, folosind .to_dict("records")), y, numărul de fold-uri dorit și scoring ("neg_mean_squared_error").
Afișează RMSE-ul pe 10 fold-uri.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import necessary modules
from sklearn.feature_extraction import DictVectorizer
from sklearn.pipeline import Pipeline
from sklearn.model_selection import cross_val_score

# Fill LotFrontage missing values with 0
X.LotFrontage = ____

# Setup the pipeline steps: steps
steps = [("ohe_onestep", DictVectorizer(sparse=False)),
         ("xgb_model", xgb.XGBRegressor(max_depth=2, objective="reg:squarederror"))]

# Create the pipeline: xgb_pipeline
xgb_pipeline = ____

# Cross-validate the model
cross_val_scores = ____

# Print the 10-fold RMSE
print("10-fold RMSE: ", np.mean(np.sqrt(np.abs(____))))

Editează și rulează codul