เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประเมินคุณภาพโมเดล

ถึงเวลาเริ่มประเมินคุณภาพโมเดลกันแล้ว

ในแบบฝึกหัดนี้ จะได้เปรียบเทียบค่า RMSE และ MAE ของโมเดล XGBoost ที่ผ่านการ cross-validation บนชุดข้อมูลราคาบ้าน Ames โดยโมดูลที่จำเป็นทั้งหมดถูกโหลดไว้ล่วงหน้าแล้ว และข้อมูลพร้อมใช้งานใน DataFrame df

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Extreme Gradient Boosting with XGBoost

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด