Genel doğrulama skoru
Şimdi sıra çapraz doğrulama ile gerçek model performansını ölçmeye geldi! Mağaza ürün talebi tahmin modelimiz nasıl performans gösteriyor?
Görevin, her katlama (fold) için ayrı ayrı Ortalama Kare Hatası (MSE) değerlerini almak ve ardından bu sonuçları tek bir sayıda birleştirmek.
Kolaylık olması için, her çapraz doğrulama bölmesi için bir Random Forest modeli eğiten ve katlamaya göre MSE skorlarının bir listesini döndüren get_fold_mse() fonksiyonu verildi. get_fold_mse() iki argüman alır: train ve TimeSeriesSplit nesnesi.
Bu egzersiz, kursun bir parçasıdır
Python ile Bir Kaggle Yarışmasını Kazanmak
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
from sklearn.model_selection import TimeSeriesSplit
import numpy as np
# Sort train data by date
train = train.sort_values('date')
# Initialize 3-fold time cross-validation
kf = ____(n_splits=____)
# Get MSE scores for each cross-validation split
mse_scores = get_fold_mse(train, kf)
print('Mean validation MSE: {:.5f}'.format(np.____(____)))