R-squared के लिए क्रॉस-वैलिडेशन
क्रॉस-वैलिडेशन किसी भी मॉडल का आकलन करने का एक बेहद महत्वपूर्ण तरीका है. यह मॉडल के लिए उपलब्ध डेटा का अधिकतम उपयोग कराता है, क्योंकि मॉडल को केवल ट्रेन नहीं किया जाता, बल्कि उपलब्ध पूरे डेटा पर टेस्ट भी किया जाता है.
इस अभ्यास में, आप एक लीनियर रिग्रेशन मॉडल बनाएँगे, फिर सोशल मीडिया विज्ञापन खर्च का उपयोग करके सेल्स की भविष्यवाणी की सटीकता जाँचने के लिए 6-fold क्रॉस-वैलिडेशन करेंगे. आप सभी छह फोल्ड्स का इंडिविजुअल स्कोर दिखाएँगे.
sales_df डेटासेट को आपके लिए पहले से y (टारगेट वैरिएबल) और X (फीचर्स) में बाँटा गया है. LinearRegression को sklearn.linear_model से import किया जा चुका है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
scikit-learn के साथ Supervised Learning
अभ्यास निर्देश
KFoldऔरcross_val_scoreimport करें.KFold()कॉल करकेkfबनाएँ, जिसमें splits की संख्या छह रखें,shuffleकोTrueकरें, और seed5सेट करें.Xऔरyपरregका उपयोग करके क्रॉस-वैलिडेशन चलाएँ, औरcvमेंkfपास करें.cv_scoresको प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the necessary modules
from ____.____ import ____, ____
# Create a KFold object
kf = ____(n_splits=____, shuffle=____, random_state=____)
reg = LinearRegression()
# Compute 6-fold cross-validation scores
cv_scores = ____(____, ____, ____, cv=____)
# Print scores
print(____)