Scorul global de validare
Acum este momentul să obții performanța reală a modelului folosind validarea încrucișată! Cum se descurcă modelul nostru de predicție a cererii pentru articolele din magazine?
Sarcina ta este să calculezi Eroarea Pătratică Medie (MSE) pentru fiecare fold în parte, apoi să combini aceste rezultate într-un singur număr.
Pentru simplitate, îți este oferită funcția get_fold_mse(), care pentru fiecare împărțire a validării încrucișate antrenează un model Random Forest și returnează o listă de scoruri MSE pe fold-uri. get_fold_mse() acceptă două argumente: train și un obiect TimeSeriesSplit.
Acest exercițiu face parte din cursul
Câștigarea unei competiții Kaggle în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
from sklearn.model_selection import TimeSeriesSplit
import numpy as np
# Sort train data by date
train = train.sort_values('date')
# Initialize 3-fold time cross-validation
kf = ____(n_splits=____)
# Get MSE scores for each cross-validation split
mse_scores = get_fold_mse(train, kf)
print('Mean validation MSE: {:.5f}'.format(np.____(____)))