Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Leer Uitdaging: Het Model Evalueren Met Kruisvalidatie | Modellering
ML Introductie Met Scikit-learn

bookUitdaging: Het Model Evalueren Met Kruisvalidatie

In deze uitdaging bouw en evalueer je een model met zowel train-test-evaluatie als kruisvalidatie. De gegevens zijn een reeds voorbewerkte penguins dataset.

Hier zijn enkele van de functies die je zult gebruiken:

Taak

Swipe to start coding

Uw taak is om een 4-nearest neighbors-classificator te maken en de prestaties eerst te evalueren met behulp van de cross-validatiescore. Splits vervolgens de gegevens in train-test-sets, train het model op de trainingsset en evalueer de prestaties op de testset.

  1. Initialiseer een KNeighborsClassifier met 4 buren.
  2. Bereken de cross-validatiescores van dit model met het aantal folds ingesteld op 3. U kunt een niet-getraind model doorgeven aan een cross_val_score()-functie.
  3. Gebruik een geschikte functie om X, y te splitsen.
  4. Train het model met behulp van de trainingsset.
  5. Evalueer het model met behulp van de testset.

Oplossing

Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 4. Hoofdstuk 5
single

single

Vraag AI

expand

Vraag AI

ChatGPT

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

close

Awesome!

Completion rate improved to 3.13

bookUitdaging: Het Model Evalueren Met Kruisvalidatie

Veeg om het menu te tonen

In deze uitdaging bouw en evalueer je een model met zowel train-test-evaluatie als kruisvalidatie. De gegevens zijn een reeds voorbewerkte penguins dataset.

Hier zijn enkele van de functies die je zult gebruiken:

Taak

Swipe to start coding

Uw taak is om een 4-nearest neighbors-classificator te maken en de prestaties eerst te evalueren met behulp van de cross-validatiescore. Splits vervolgens de gegevens in train-test-sets, train het model op de trainingsset en evalueer de prestaties op de testset.

  1. Initialiseer een KNeighborsClassifier met 4 buren.
  2. Bereken de cross-validatiescores van dit model met het aantal folds ingesteld op 3. U kunt een niet-getraind model doorgeven aan een cross_val_score()-functie.
  3. Gebruik een geschikte functie om X, y te splitsen.
  4. Train het model met behulp van de trainingsset.
  5. Evalueer het model met behulp van de testset.

Oplossing

Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

close

Awesome!

Completion rate improved to 3.13
Sectie 4. Hoofdstuk 5
single

single

some-alt