Wprowadzenie do walidacji modeli

Walidacja modeli w Pythonie

Kasey Jones

Data Scientist

Czym jest walidacja modelu?

Walidacja modelu obejmuje:

Sprawdzenie, czy model działa poprawnie na nowych danych
Testowanie wydajności na zbiorach walidacyjnych
Wybór najlepszego modelu, parametrów i metryk
Osiągnięcie najwyższej dokładności dla danych

Przegląd modelowania w scikit-learn

Podstawowe kroki modelowania:

model = RandomForestRegressor(n_estimators=500, random_state=1111)

model.fit(X=X_train, y=y_train)

RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=None,
           max_features='auto', max_leaf_nodes=None,
           min_impurity_decrease=0.0, min_impurity_split=None,
           min_samples_leaf=1, min_samples_split=2,
           min_weight_fraction_leaf=0.0, n_estimators=500, n_jobs=1,
           oob_score=False, random_state=1111, verbose=0, warm_start=False)

Modelowanie – ciąg dalszy

predictions = model.predict(X_test)

print("{0:.2f}".format(mae(y_true=y_test, y_pred=predictions)))

10.84

Wzór średniego błędu bezwzględnego

$$ \frac{\sum_{i=1}^{n} |y_i - \hat{y}_i|}{n} $$

Wymagana wiedza wstępna

Fivethirtyeight udostępnia kilka zbiorów danych, w tym ranking słodyczy Halloween. Każdy słodycz ma procentowy wynik pojedynków od 0 do 100%.

Dane widziane a niewidziane

Dane treningowe = dane widziane

model = RandomForestRegressor(n_estimators=500, random_state=1111)
model.fit(X_train, y_train)
train_predictions = model.predict(X_train)

Dane testowe = dane niewidziane

model = RandomForestRegressor(n_estimators=500, random_state=1111)
model.fit(X_train, y_train)
test_predictions = model.predict(X_test)

Zacznijmy!

Walidacja modeli w Pythonie