शुरू करेंमुफ़्त में शुरू करें

Regression मॉडल प्रदर्शन का विज़ुअलाइज़ेशन

अब जब आपने देखा कि बॉक्स से बाहर कई मॉडलों का मूल्यांकन कैसे किया जाता है, तो आप एक गाने के "energy" लेवल्स की भविष्यवाणी करने के लिए तीन regression मॉडल बनाएँगे.

music_df डेटासेट में "genre" के लिए dummy वैरिएबल जोड़ दिए गए हैं. साथ ही, फीचर और टार्गेट ऐरे बना लिए गए हैं, और इन्हें X_train, X_test, y_train, और y_test में बाँट दिया गया है.

आपके लिए निम्नलिखित इम्पोर्ट कर दिए गए हैं: LinearRegression, Ridge, Lasso, cross_val_score, और KFold.

यह अभ्यास पाठ्यक्रम का हिस्सा है

scikit-learn के साथ Supervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • model को iterator और model.values() को iterable बनाते हुए एक for लूप लिखें.
  • दिए गए मॉडल का उपयोग करते हुए training फीचर्स और training टार्गेट ऐरे पर cross-validation चलाएँ, और cv को KFold ऑब्जेक्ट के बराबर सेट करें.
  • मॉडल के cross-validation स्कोर results लिस्ट में append करें.
  • एक box plot बनाएँ जो results दिखाए, और x-axis के labels मॉडलों के नाम हों.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

models = {"Linear Regression": LinearRegression(), "Ridge": Ridge(alpha=0.1), "Lasso": Lasso(alpha=0.1)}
results = []

# Loop through the models' values
for ____ in models.values():
  kf = KFold(n_splits=6, random_state=42, shuffle=True)
  
  # Perform cross-validation
  cv_scores = ____(____, ____, ____, cv=____)
  
  # Append the results
  ____.____(____)

# Create a box plot of the results
plt.____(____, labels=____.____())
plt.show()
कोड संपादित करें और चलाएँ