Lata förutsägelser
Modellen du tränade tidigare var bra, men den skulle kunna bli ännu bättre om du körde igenom träningsdatan några gånger till. Dessutom vore det synd att låta en bra modell gå till spillo – använd den för att göra förutsägelser på en annan datamängd än den du tränar på.
En otränad version av modellen du skapade i föregående övning finns tillgänglig i din miljö som dask_model. Dask DataFrames med träningsdata finns tillgängliga som dask_X och dask_y.
Den här övningen är en del av kursen
Parallellprogrammering med Dask i Python
Övningsinstruktioner
- Skapa en for-loop och använd den för att träna
dask_modelpådask_Xochdask_y5 gånger. - Använd den tränade modellen för att göra förutsägelser för indatavariablerna
dask_X. - Beräkna dessa förutsägelser med standardschemaläggaren.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Loop over the training data 5 times
____:
dask_model.____
# Use your model to make predictions
y_pred_delayed = ____
# Compute the predictions
y_pred_computed = ____
print(y_pred_computed)