Herausforderung: Bewertung des Modells mit Kreuzvalidierung
In dieser Aufgabe erstellen und bewerten Sie ein Modell sowohl mit der Train-Test-Evaluierung als auch mit der Kreuzvalidierung. Die Daten stammen aus dem bereits vorverarbeiteten Penguins-Datensatz.
Hier sind einige der Funktionen, die Sie verwenden werden:
Swipe to start coding
Ihre Aufgabe ist es, einen 4-Nearest-Neighbors-Klassifikator zu erstellen und dessen Leistung zunächst mit dem Cross-Validation-Score zu bewerten. Teilen Sie anschließend die Daten in Trainings- und Testdatensätze auf, trainieren Sie das Modell mit dem Trainingsdatensatz und bewerten Sie die Leistung auf dem Testdatensatz.
- Initialisieren Sie einen
KNeighborsClassifier
mit 4 Nachbarn. - Berechnen Sie die Cross-Validation-Scores dieses Modells mit einer Anzahl von 3 Folds. Sie können ein untrainiertes Modell an die Funktion
cross_val_score()
übergeben. - Verwenden Sie eine geeignete Funktion, um
X, y
aufzuteilen. - Trainieren Sie das Modell mit dem Trainingsdatensatz.
- Bewerten Sie das Modell mit dem Testdatensatz.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.13
Herausforderung: Bewertung des Modells mit Kreuzvalidierung
Swipe um das Menü anzuzeigen
In dieser Aufgabe erstellen und bewerten Sie ein Modell sowohl mit der Train-Test-Evaluierung als auch mit der Kreuzvalidierung. Die Daten stammen aus dem bereits vorverarbeiteten Penguins-Datensatz.
Hier sind einige der Funktionen, die Sie verwenden werden:
Swipe to start coding
Ihre Aufgabe ist es, einen 4-Nearest-Neighbors-Klassifikator zu erstellen und dessen Leistung zunächst mit dem Cross-Validation-Score zu bewerten. Teilen Sie anschließend die Daten in Trainings- und Testdatensätze auf, trainieren Sie das Modell mit dem Trainingsdatensatz und bewerten Sie die Leistung auf dem Testdatensatz.
- Initialisieren Sie einen
KNeighborsClassifier
mit 4 Nachbarn. - Berechnen Sie die Cross-Validation-Scores dieses Modells mit einer Anzahl von 3 Folds. Sie können ein untrainiertes Modell an die Funktion
cross_val_score()
übergeben. - Verwenden Sie eine geeignete Funktion, um
X, y
aufzuteilen. - Trainieren Sie das Modell mit dem Trainingsdatensatz.
- Bewerten Sie das Modell mit dem Testdatensatz.
Lösung
Danke für Ihr Feedback!
Awesome!
Completion rate improved to 3.13single