ÎncepețiÎncepe gratuit

Date văzute vs. date nevăzute

Modelele tind să aibă o acuratețe mai mare pentru observațiile pe care le-au mai văzut. În setul de date despre bomboane, predicția popularității pentru Skittles va fi probabil mai precisă decât pentru Andes Mints; Skittles se află în set, iar Andes Mints nu.

Ai construit un model pe baza a 50 de bomboane, folosind setul de date X_train, și trebuie să raportezi cât de precis este modelul atunci când prezice popularitatea celor 50 de bomboane pe care le-a văzut în antrenament, respectiv a celor 35 de bomboane (X_test) pe care nu le-a mai întâlnit. Vei folosi eroarea absolută medie, mae(), ca metrică de acuratețe.

Acest exercițiu face parte din cursul

Validarea modelelor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Folosind X_train și X_test ca date de intrare, creează tablouri de predicții cu model.predict().
  • Calculează acuratețea modelului atât pe datele pe care le-a văzut, cât și pe datele pe care nu le-a văzut înainte.
  • Folosește instrucțiunile print pentru a afișa rezultatele pentru datele văzute și cele nevăzute.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# The model is fit using X_train and y_train
model.fit(X_train, y_train)

# Create vectors of predictions
train_predictions = model.predict(____)
test_predictions = model.predict(____)

# Train/Test Errors
train_error = mae(y_true=y_train, y_pred=____)
test_error = mae(y_true=y_test, y_pred=____)

# Print the accuracy for seen and unseen data
print("Model error on seen data: {0:.2f}.".format(____))
print("Model error on unseen data: {0:.2f}.".format(____))
Editează și rulează codul