เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ข้อมูลที่เคยเห็นและข้อมูลที่ไม่เคยเห็น

โมเดลมักมีความแม่นยำสูงกว่าบนข้อมูลที่เคยเห็นในระหว่างการฝึก ในชุดข้อมูลขนม การพยากรณ์ความนิยมของ Skittles มักแม่นยำกว่าการพยากรณ์ความนิยมของ Andes Mints เนื่องจาก Skittles อยู่ในชุดข้อมูล แต่ Andes Mints ไม่มี

คุณได้สร้างโมเดลจากข้อมูลขนม 50 รายการโดยใช้ชุดข้อมูล X_train และจำเป็นต้องรายงานว่าโมเดลมีความแม่นยำเพียงใดในการพยากรณ์ความนิยมของขนม 50 รายการที่โมเดลเคยเห็น และขนมอีก 35 รายการ (X_test) ที่โมเดลไม่เคยเห็นมาก่อน โดยจะใช้ค่าความผิดพลาดสัมบูรณ์เฉลี่ย mae() เป็นตัวชี้วัดความแม่นยำ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจสอบความถูกต้องของโมเดลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ X_train และ X_test เป็นข้อมูลนำเข้า แล้วสร้างอาร์เรย์ของค่าพยากรณ์ด้วย model.predict()
  • คำนวณความแม่นยำของโมเดลบนทั้งข้อมูลที่เคยเห็นและข้อมูลที่ไม่เคยเห็นมาก่อน
  • ใช้คำสั่ง print เพื่อแสดงผลลัพธ์ของข้อมูลที่เคยเห็นและข้อมูลที่ไม่เคยเห็น

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# The model is fit using X_train and y_train
model.fit(X_train, y_train)

# Create vectors of predictions
train_predictions = model.predict(____)
test_predictions = model.predict(____)

# Train/Test Errors
train_error = mae(y_true=y_train, y_pred=____)
test_error = mae(y_true=y_test, y_pred=____)

# Print the accuracy for seen and unseen data
print("Model error on seen data: {0:.2f}.".format(____))
print("Model error on unseen data: {0:.2f}.".format(____))
แก้ไขและรันโค้ด