शुरू करेंमुफ़्त में शुरू करें

Classification मॉडल परफॉर्मेंस का विज़ुअलाइज़ेशन

इस अभ्यास में, आप एक classification समस्या हल करेंगे जहाँ music_df डेटासेट के "popularity" कॉलम को बाइनरी मानों में बदला गया है: 1 का मतलब है कि "popularity" कॉलम के median के बराबर या उससे अधिक लोकप्रियता, और 0 का मतलब median से कम लोकप्रियता.

आपका काम यह है कि तीन अलग-अलग मॉडल बनाकर उनके नतीजों को visualize करें ताकि यह classify किया जा सके कि कोई गाना popular है या नहीं.

डेटा को आपके लिए split और scale करके X_train_scaled, X_test_scaled, y_train, और y_test के रूप में लोड कर दिया गया है. साथ ही, KNeighborsClassifier, DecisionTreeClassifier, और LogisticRegression इम्पोर्ट कर लिए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

scikit-learn के साथ Supervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • "Logistic Regression", "KNN", और "Decision Tree Classifier" की keys वाला एक dictionary बनाएँ, और dictionary की values में हर मॉडल का call रखें.
  • models की values पर लूप चलाएँ.
  • 6 splits करने के लिए एक KFold ऑब्जेक्ट बनाएँ, जहाँ shuffle को True और random_state को 12 सेट करें.
  • मॉडल, scaled training features, target training set का उपयोग करते हुए cross-validation चलाएँ, और cv को kf के बराबर सेट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create models dictionary
models = {"____": ____(), "____": ____(), "____": ____()}
results = []

# Loop through the models' values
for model in ____.____():
  
  # Instantiate a KFold object
  kf = ____(n_splits=____, random_state=____, shuffle=____)
  
  # Perform cross-validation
  cv_results = ____(____, ____, ____, cv=____)
  results.append(cv_results)
plt.boxplot(results, labels=models.keys())
plt.show()
कोड संपादित करें और चलाएँ