評估模型品質
現在來評估模型的品質。
在這裡，你會比較套用交叉驗證後的 XGBoost 模型，在 Ames 房價資料上的 RMSE 與 MAE。和前面的練習一樣，所有需要的模組都已經載入，資料也已放在 DataFrame df 中。
本練習屬於課程
使用 XGBoost 的極端梯度提升
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))