ПочатиПочніть безкоштовно

Чи є в мене недонавчання?

Ви створюєте модель випадкового лісу, щоб передбачити, чи виграєте ви майбутню партію в хрестики-нулики. Використовуючи набір даних tic_tac_toe, ви підготували тренувальну й тестову вибірки: X_train, X_test, y_train та y_test.

Ви вирішили створити кілька моделей випадкового лісу з різною кількістю дерев (1, 2, 3, 4, 5, 10, 20 і 50). Чим більше дерев, тим довше виконуватиметься модель випадкового лісу. Однак якщо дерев замало, ви ризикуєте отримати недонавчання. Ви створили цикл for, щоб перевірити модель за різної кількості дерев.

Ця вправа є частиною курсу

Валідація моделей у Python

Переглянути курс

Інструкції до вправи

  • У кожній ітерації спрогнозуйте значення для вибірок X_train і X_test.
  • У кожній ітерації додайте accuracy_score() для вибірки y_train і відповідних передбачень до train_scores.
  • У кожній ітерації додайте accuracy_score() для вибірки y_test і відповідних передбачень до test_scores.
  • Виведіть тренувальні та тестові оцінки за допомогою інструкцій print.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

from sklearn.metrics import accuracy_score

test_scores, train_scores = [], []
for i in [1, 2, 3, 4, 5, 10, 20, 50]:
    rfc = RandomForestClassifier(n_estimators=i, random_state=1111)
    rfc.fit(X_train, y_train)
    # Create predictions for the X_train and X_test datasets.
    train_predictions = rfc.predict(____)
    test_predictions = rfc.predict(____)
    # Append the accuracy score for the test and train predictions.
    train_scores.append(round(____(____, ____), 2))
    test_scores.append(round(____(____, ____), 2))
# Print the train and test scores.
print("The training scores were: {}".format(____))
print("The testing scores were: {}".format(____))
Редагувати та запускати код