Вступ до валідації моделей

Валідація моделей у Python

Kasey Jones

Data Scientist

Що таке валідація моделі?

Валідація моделі охоплює:

Перевірку, чи працює модель очікувано на нових даних
Тестування якості на holdout-наборах
Вибір найкращої моделі, параметрів і метрик точності
Досягнення максимальної точності для наданих даних

Огляд моделювання в scikit-learn

Базові кроки моделювання:

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)

Продовження огляду моделювання

predictions = model.predict(X_test)

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

10.84

Формула середньої абсолютної похибки

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

Перевірте передумови

Fivethirtyeight має кілька наборів даних, зокрема рейтинг цукерок до Гелловіну. Для кожної цукерки вказано відсоток перемог у дуелях від 0 до 100%.

Бачені vs небачені дані

Навчальні дані = бачені дані

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

Тестові дані = небачені дані

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

Почнімо!

Валідація моделей у Python