Utvärdera modellkvalitet
Nu är det dags att börja utvärdera modellkvaliteten.
Här ska du jämföra RMSE och MAE för en korsvaliderad XGBoost-modell på Ames-husdata. Som i tidigare övningar har alla nödvändiga moduler laddats in i förväg och data finns tillgänglig i DataFrame:n df.
Den här övningen är en del av kursen
Extreme Gradient Boosting med XGBoost
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create the DMatrix: housing_dmatrix
housing_dmatrix = xgb.DMatrix(data=X, label=y)
# Create the parameter dictionary: params
params = {"objective":"reg:squarederror", "max_depth":4}
# Perform cross-validation: cv_results
cv_results = ____(dtrain=____, params=____, nfold=____, num_boost_round=____, metrics=____, as_pandas=True, seed=123)
# Print cv_results
print(cv_results)
# Extract and print final boosting round metric
print((cv_results["____"]).tail(1))