1. 학습
    2. /
  2. 강의
    3. /
  3. scikit-learn で学ぶ Supervised Learning
Connected

연습 문제

回帰モデルの性能を可視化する

これまでに、複数のモデルをそのまま評価する方法を見てきました。ここでは、楽曲の "energy" レベルを予測するために 3 つの回帰モデルを構築します。

music_df データセットには、"genre" のダミー変数が追加されています。さらに、特徴量配列と目的変数配列が作成され、X_train、X_test、y_train、y_test に分割済みです。

以下はすでにインポートされています：LinearRegression、Ridge、Lasso、cross_val_score、KFold。

지침

100 XP
  • 反復子を model、イテラブルを model.values() にして、for ループを書きます。
  • モデルを用いて、学習用の特徴量と学習用の目的変数に対して交差検証を実行し、cv を KFold オブジェクトに設定します。
  • モデルの交差検証スコアを results リストに追加します。
  • 結果を表示するボックスプロットを作成し、x 軸のラベルをモデル名にします。