Avaliar seu primeiro modelo
Lendo o método de avaliação do modelo.
Avaliar seu primeiro modelo é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
Is It Any Good?
Training a model is only half the job. Next you ask the real question: how well does it actually predict? 🧐
The score Method
Every estimator offers a score method that returns a single number summarizing performance. One call, one quick verdict.
model.score(X_test, y_test)Score Needs Truth
You pass both features and the real answers, so score can compare its predictions against what truly happened.
What Regression Reports
For regressors, score returns R squared: the fraction of the target's variation your model manages to explain.
Reading R Squared
An R squared of 1.0 is a perfect fit and 0.0 is no better than guessing the mean. Higher is better, and it can even go negative.
Test, Don't Reuse Training
Always score on data the model never saw. A great training score with a poor test score is the classic sign of overfitting.
Beyond the Built-In
For finer detail, the metrics module offers many measures. You compare true and predicted values directly with a chosen function.
from sklearn.metrics import mean_absolute_errorAverage Error in Units
Mean absolute error tells you the typical miss in the target's own units. It is wonderfully easy to explain to anyone.
mean_absolute_error(y_test, y_pred)Classifiers Score Differently
For classifiers, the score method returns accuracy: the share of labels predicted correctly. Same method name, different meaning.
One Number Is a Start
A single metric never tells the whole story. Pair it with plots and several measures before you trust a model.
Compare to a Baseline
A score only means something next to a baseline, like always predicting the mean. Beat that simple guess to prove real value.
Quick Check
What does score return for a regression model?
Recap
Use score for a fast R squared, reach for metrics like MAE for detail, and always test on unseen data versus a baseline. 🏁
Perguntas Frequentes
A aula “Avaliar seu primeiro modelo” é grátis?
Sim — o texto completo de “Avaliar seu primeiro modelo” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.
O que vou aprender em “Avaliar seu primeiro modelo”?
Lendo o método de avaliação do modelo. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Data Science Academy?
Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Avaliar seu primeiro modelo”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Data Science Academy?
Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- O contrato de fit e predict
- Recursos X e alvo y
- Treinar uma regressão linear
- Avaliar seu primeiro modelo