Sfida: 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:
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.
- Inizializza un
KNeighborsClassifier
con 4 vicini. - 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()
. - Utilizza una funzione appropriata per suddividere
X, y
. - Addestra il modello utilizzando il set di addestramento.
- Valuta il modello utilizzando il set di test.
Soluzione
Grazie per i tuoi commenti!
single
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 3.13
Sfida: 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:
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.
- Inizializza un
KNeighborsClassifier
con 4 vicini. - 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()
. - Utilizza una funzione appropriata per suddividere
X, y
. - Addestra il modello utilizzando il set di addestramento.
- Valuta il modello utilizzando il set di test.
Soluzione
Grazie per i tuoi commenti!
Awesome!
Completion rate improved to 3.13single