Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Sfida: Valutazione del Modello con la Cross-Validazione | Modellazione
Introduzione al ML con Scikit-Learn

bookSfida: Valutazione del Modello con la Cross-Validazione

In questa sfida, costruirai e valuterai un modello utilizzando sia la valutazione train-test che la cross-validazione. I dati sono un dataset dei pinguini già preprocessato.

Ecco alcune delle funzioni che utilizzerai:

Compito

Swipe to start coding

Il tuo compito è creare un classificatore dei 4 vicini più prossimi e valutarne inizialmente le prestazioni utilizzando il punteggio di cross-validation. Successivamente, suddividi i dati in set di addestramento e test, addestra il modello sul set di addestramento e valuta le sue prestazioni sul set di test.

  1. Inizializza un KNeighborsClassifier con 4 vicini.
  2. Calcola i punteggi di cross-validation di questo modello impostando il numero di fold a 3. Puoi passare un modello non addestrato alla funzione cross_val_score().
  3. Utilizza una funzione appropriata per suddividere X, y.
  4. Addestra il modello utilizzando il set di addestramento.
  5. Valuta il modello utilizzando il set di test.

Soluzione

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 5
single

single

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

close

Awesome!

Completion rate improved to 3.13

bookSfida: Valutazione del Modello con la Cross-Validazione

Scorri per mostrare il menu

In questa sfida, costruirai e valuterai un modello utilizzando sia la valutazione train-test che la cross-validazione. I dati sono un dataset dei pinguini già preprocessato.

Ecco alcune delle funzioni che utilizzerai:

Compito

Swipe to start coding

Il tuo compito è creare un classificatore dei 4 vicini più prossimi e valutarne inizialmente le prestazioni utilizzando il punteggio di cross-validation. Successivamente, suddividi i dati in set di addestramento e test, addestra il modello sul set di addestramento e valuta le sue prestazioni sul set di test.

  1. Inizializza un KNeighborsClassifier con 4 vicini.
  2. Calcola i punteggi di cross-validation di questo modello impostando il numero di fold a 3. Puoi passare un modello non addestrato alla funzione cross_val_score().
  3. Utilizza una funzione appropriata per suddividere X, y.
  4. Addestra il modello utilizzando il set di addestramento.
  5. Valuta il modello utilizzando il set di test.

Soluzione

Switch to desktopCambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

close

Awesome!

Completion rate improved to 3.13
Sezione 4. Capitolo 5
single

single

some-alt