Створення еталонного та аналітичного наборів
Після поділу даних на тренувальний, тестовий і промисловий набори ви можете побудувати й розгорнути модель. Згодом тестові та промислові дані буде використано для створення еталонного та аналітичного наборів.
У цій вправі ви пройдете цей процес. Усі ваші набори X_train/test/prod і y_train/test/prod, створені у попередній вправі, уже завантажено тут.
Для цієї вправи pandas імпортовано як pd і можна використовувати.
Ця вправа є частиною курсу
Моніторинг Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
from lightgbm import LGBMRegressor
# Fit the model
model = LGBMRegressor(random_state=111, n_estimators=50, n_jobs=1)
model.____(____, ____)
# Make predictions
y_pred_train = model.predict(____)
y_pred_test = model.predict(____)
# Deploy the model
y_pred_prod = model.predict(____)