Загальний показник валідації
Тепер час отримати реальну якість моделі за допомогою крос-валідації! Як працює наша модель прогнозування попиту на товари в магазині?
Ваше завдання — взяти середньоквадратичну помилку (MSE) для кожного фолда окремо, а потім об'єднати ці результати в одне число.
Для зручності вам надано функцію get_fold_mse(), яка для кожного розбиття крос-валідації навчає модель Random Forest і повертає список значень MSE за фолдами. get_fold_mse() приймає два аргументи: train і об'єкт TimeSeriesSplit.
Ця вправа є частиною курсу
Як перемагати в змаганнях Kaggle за допомогою Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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.____(____)))