ПочатиПочніть безкоштовно

Крос-валідація вашої моделі XGBoost

У цій вправі ви підете ще далі: використаєте створений конвеєр, щоб виконати попередню обробку і крос-валідацію моделі.

Ця вправа є частиною курсу

Екстремальний градієнтний бустинг з XGBoost

Переглянути курс

Інструкції до вправи

  • Створіть конвеєр з назвою xgb_pipeline, використовуючи steps.
  • Виконайте 10-фолдову крос-валідацію за допомогою cross_val_score(). Потрібно передати конвеєр, X (як словник, використовуючи .to_dict("records")), y, кількість фолдів і scoring ("neg_mean_squared_error").
  • Виведіть RMSE для 10 фолдів.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import necessary modules
from sklearn.feature_extraction import DictVectorizer
from sklearn.pipeline import Pipeline
from sklearn.model_selection import cross_val_score

# Fill LotFrontage missing values with 0
X.LotFrontage = ____

# Setup the pipeline steps: steps
steps = [("ohe_onestep", DictVectorizer(sparse=False)),
         ("xgb_model", xgb.XGBRegressor(max_depth=2, objective="reg:squarederror"))]

# Create the pipeline: xgb_pipeline
xgb_pipeline = ____

# Cross-validate the model
cross_val_scores = ____

# Print the 10-fold RMSE
print("10-fold RMSE: ", np.mean(np.sqrt(np.abs(____))))
Редагувати та запускати код