Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Herausforderung: Bewertung des Modells mit Kreuzvalidierung | Modellierung
ML-Einführung Mit Scikit-Learn

bookHerausforderung: 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:

Aufgabe

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.

  1. Initialisieren Sie einen KNeighborsClassifier mit 4 Nachbarn.
  2. 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.
  3. Verwenden Sie eine geeignete Funktion, um X, y aufzuteilen.
  4. Trainieren Sie das Modell mit dem Trainingsdatensatz.
  5. Bewerten Sie das Modell mit dem Testdatensatz.

Lösung

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 5
single

single

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

close

Awesome!

Completion rate improved to 3.13

bookHerausforderung: 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:

Aufgabe

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.

  1. Initialisieren Sie einen KNeighborsClassifier mit 4 Nachbarn.
  2. 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.
  3. Verwenden Sie eine geeignete Funktion, um X, y aufzuteilen.
  4. Trainieren Sie das Modell mit dem Trainingsdatensatz.
  5. Bewerten Sie das Modell mit dem Testdatensatz.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

close

Awesome!

Completion rate improved to 3.13
Abschnitt 4. Kapitel 5
single

single

some-alt