使用 KFold 索引
您已经创建了 splits，其中包含 candy-data 数据集用于完成 5 折交叉验证的索引。为更好地估计同事的随机森林模型在新数据上的表现，您希望将该模型运行在刚创建的 5 组不同的训练与验证索引上。
在本练习中，您将使用这些索引，通过 5 次不同的切分来检验该模型的准确率。已提供一个 for 循环来帮助您完成此过程。
本练习是课程的一部分
Python 中的模型验证
练习说明
- 使用
train_index和val_index在创建训练集与验证集时索引X和y的相应位置。 - 使用训练数据集拟合
rfc。 - 使用
rfc在验证数据集上生成预测，并打印验证准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)))