實作 cross_val_score()

你的公司研發了好幾款新糖果，但不確定是否應該一次推出全部 5 款。為了預測這些新糖果的受歡迎程度，你被要求使用 candy 資料集建立一個迴歸模型。請記住，應變數是與其他糖果「正面交鋒」的勝率百分比。

在嘗試不同的迴歸模型之前，你決定先對一個簡單的隨機森林模型進行交叉驗證，取得一個基準誤差，之後就能與未來的結果比較。

本練習屬於課程

Python 的模型驗證

檢視課程

練習說明

補上 cross_val_score() 的參數。
- 使用 X_train 作為訓練資料，y_train 作為應變數。
- 使用 rfc 作為模型，採用 10 折交叉驗證，並以 mse 作為評分函式。
列印 cv 結果的平均值。

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。

rfc = RandomForestRegressor(n_estimators=25, random_state=1111)
mse = make_scorer(mean_squared_error)

# Set up cross_val_score
cv = cross_val_score(estimator=____,
                     X=____,
                     y=____,
                     cv=____,
                     scoring=____)

# Print the mean error
print(cv.____())

編輯並執行程式碼