ÎncepețiÎncepe gratuit

Validare încrucișată

Validarea încrucișată este o tehnică folosită pentru a evalua performanța unui model pe date noi. Se aplică pentru a verifica dacă rezultatele obținute pe setul de testare nu sunt influențate de modul în care au fost împărțite datele. În acest exercițiu, vei folosi implementări din sklearn pentru a rula o validare încrucișată K-Fold cu ajutorul modulului KFold(), evaluând precizia și recall-ul unui arbore de decizie.

X_train, y_train, X_test, y_test sunt disponibile în spațiul tău de lucru. pandas ca pd, numpy ca np și sklearn sunt de asemenea disponibile. KFold() și cross_val_score() din sklearn.model_selection sunt ambele disponibile.

Acest exercițiu face parte din cursul

Predicția CTR cu Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează un clasificator de tip arbore de decizie.
  • Configurează o validare încrucișată K-Fold cu patru împărțiri și atribuie rezultatul variabilei k-fold.
  • Folosește k_fold pentru a rula validarea încrucișată cu cross_val_score(), evaluând precizia și recall-ul modelului tău (fără a folosi recall_score() sau precision_score()!).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create model 
clf = ____

# Set up k-fold
k_fold = ____(n_splits = 4, random_state = 0, shuffle = True)

# Evaluate precision and recall for each fold
precision = ____(
  clf, X_train, ____, cv = ____, scoring = 'precision_weighted')
recall = ____(
  clf, X_train, ____, cv = ____, scoring = 'recall_weighted')
print("Precision scores: %s" %(precision)) 
print("Recall scores: %s" %(recall))
Editează și rulează codul