Đánh giá chất lượng mô hình
Đến lúc bắt đầu đánh giá chất lượng mô hình.
Tại đây, bạn sẽ so sánh RMSE và MAE của một mô hình XGBoost được cross-validate trên dữ liệu nhà ở Ames. Như ở các bài trước, tất cả mô-đun cần thiết đã được nạp sẵn và dữ liệu nằm trong DataFrame df.
Bài tập này là một phần của khóa học
Gradient Boosting Cực Mạnh với XGBoost
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create the DMatrix: housing_dmatrix
housing_dmatrix = xgb.DMatrix(data=X, label=y)
# Create the parameter dictionary: params
params = {"objective":"reg:squarederror", "max_depth":4}
# Perform cross-validation: cv_results
cv_results = ____(dtrain=____, params=____, nfold=____, num_boost_round=____, metrics=____, as_pandas=True, seed=123)
# Print cv_results
print(cv_results)
# Extract and print final boosting round metric
print((cv_results["____"]).tail(1))