Kom igångKom igång gratis

Implementera cross_val_score()

Ditt företag har skapat flera nya godissorter att sälja, men är osäkert på om de ska lansera alla fem. För att förutsäga hur populära dessa nya godisar blir har du fått i uppgift att bygga en regressionsmodell med hjälp av godisdatamängden. Kom ihåg att responsvariabeln är en vinstprocent i direkta matchningar mot andra godisar.

Innan du börjar testa olika regressionsmodeller har du bestämt dig för att köra korsvalidering på en enkel random forest-modell för att få ett baslinjfel att jämföra med framtida resultat.

Den här övningen är en del av kursen

Modellvalidering i Python

Visa kurs

Övningsinstruktioner

  • Fyll i cross_val_score().
    • Använd X_train som träningsdata och y_train som respons.
    • Använd rfc som modell, 10-faldig korsvalidering och mse som poängfunktion.
  • Skriv ut medelvärdet av cv-resultaten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

rfc = RandomForestRegressor(n_estimators=25, random_state=1111)
mse = make_scorer(mean_squared_error)

# Set up cross_val_score
cv = cross_val_score(estimator=____,
                     X=____,
                     y=____,
                     cv=____,
                     scoring=____)

# Print the mean error
print(cv.____())
Redigera och kör kod