ПочатиПочніть безкоштовно

Використання індексів KFold

Ви вже створили splits, який містить індекси для набору даних candy-data, щоб виконати 5-кратну перехресну перевірку. Щоб краще оцінити, як модель випадкового лісу вашого колеги працюватиме на нових даних, ви хочете запустити цю модель на п'яти різних тренувальних і валідаційних індексах, які щойно створили.

У цій вправі ви використаєте ці індекси, щоб перевірити точність цієї моделі на п'яти різних розбиттях. Для допомоги в цьому процесі надано цикл for.

Ця вправа є частиною курсу

Валідація моделей у Python

Переглянути курс

Інструкції до вправи

  • Скористайтеся train_index і val_index, щоб звертатися до потрібних індексів X та y під час створення тренувальних і валідаційних даних.
  • Навчіть rfc на тренувальному наборі даних.
  • Використайте rfc, щоб створити передбачення для валідаційного набору даних, і виведіть точність на валідації.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error

rfc = RandomForestRegressor(n_estimators=25, random_state=1111)

# Access the training and validation indices of splits
for train_index, val_index in splits:
    # Setup the training and validation data
    X_train, y_train = X[____], y[____]
    X_val, y_val = X[____], y[____]
    # Fit the random forest model
    rfc.____(____, ____)
    # Make predictions, and print the accuracy
    predictions = rfc.____(____)
    print("Split accuracy: " + str(mean_squared_error(y_val, predictions)))
Редагувати та запускати код