使用 KFold 索引
你已經建立了 splits，其中包含 candy-data 資料集用於完成 5 折交叉驗證的索引。為了更精確估計同事的隨機森林模型在新資料上的表現，你想在剛剛建立的 5 組不同的訓練與驗證索引上執行這個模型。
在本練習中，你會使用這些索引，透過 5 次不同的切分來檢查此模型的準確率。已提供 for 迴圈來協助你完成這個流程。
本練習屬於課程
Python 的模型驗證
練習說明
- 使用
train_index和val_index，在建立訓練與驗證資料時，索引到正確的X與y。 - 使用訓練資料集來訓練
rfc。 - 使用
rfc為驗證資料集產生預測，並印出驗證準確率。
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。
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error
rfc = RandomForestRegressor(n_estimators=25, random_state=1111)
# Access the training and validation indices of splits
for train_index, val_index in splits:
# Setup the training and validation data
X_train, y_train = X[____], y[____]
X_val, y_val = X[____], y[____]
# Fit the random forest model
rfc.____(____, ____)
# Make predictions, and print the accuracy
predictions = rfc.____(____)
print("Split accuracy: " + str(mean_squared_error(y_val, predictions)))