Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Desafio: Avaliando o Modelo com Validação Cruzada | Modelagem
Introdução ao ML com Scikit-Learn

bookDesafio: Avaliando o Modelo com Validação Cruzada

Neste desafio, você irá construir e avaliar um modelo utilizando tanto a avaliação train-test quanto a validação cruzada. Os dados são um conjunto de dados de pinguins já pré-processado.

Aqui estão algumas das funções que você irá utilizar:

Tarefa

Swipe to start coding

Sua tarefa é criar um classificador de 4 vizinhos mais próximos e primeiro avaliar seu desempenho usando a pontuação de validação cruzada. Em seguida, divida os dados em conjuntos de treinamento e teste, treine o modelo no conjunto de treinamento e avalie seu desempenho no conjunto de teste.

  1. Inicialize um KNeighborsClassifier com 4 vizinhos.
  2. Calcule as pontuações de validação cruzada desse modelo com o número de divisões definido como 3. Você pode passar um modelo não treinado para a função cross_val_score().
  3. Use uma função adequada para dividir X, y.
  4. Treine o modelo usando o conjunto de treinamento.
  5. Avalie o modelo usando o conjunto de teste.

Solução

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 4. Capítulo 5
single

single

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

close

Awesome!

Completion rate improved to 3.13

bookDesafio: Avaliando o Modelo com Validação Cruzada

Deslize para mostrar o menu

Neste desafio, você irá construir e avaliar um modelo utilizando tanto a avaliação train-test quanto a validação cruzada. Os dados são um conjunto de dados de pinguins já pré-processado.

Aqui estão algumas das funções que você irá utilizar:

Tarefa

Swipe to start coding

Sua tarefa é criar um classificador de 4 vizinhos mais próximos e primeiro avaliar seu desempenho usando a pontuação de validação cruzada. Em seguida, divida os dados em conjuntos de treinamento e teste, treine o modelo no conjunto de treinamento e avalie seu desempenho no conjunto de teste.

  1. Inicialize um KNeighborsClassifier com 4 vizinhos.
  2. Calcule as pontuações de validação cruzada desse modelo com o número de divisões definido como 3. Você pode passar um modelo não treinado para a função cross_val_score().
  3. Use uma função adequada para dividir X, y.
  4. Treine o modelo usando o conjunto de treinamento.
  5. Avalie o modelo usando o conjunto de teste.

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

close

Awesome!

Completion rate improved to 3.13
Seção 4. Capítulo 5
single

single

some-alt