1. 学ぶ
    2. /
  2. コース
    3. /
  3. scikit-learn による教師あり学習
Connected

演習

回帰モデルの性能の可視化

複数のモデルをそのまま評価する方法を学んだので、今度は3つの回帰モデルを構築して、楽曲の "energy" レベルを予測してみましょう。

music_df データセットには、"genre" のダミー変数がすでに追加されています。また、特徴量配列とターゲット配列が作成され、X_train、X_test、y_train、y_test に分割されています。

LinearRegression、Ridge、Lasso、cross_val_score、KFold はあらかじめインポートされています。

指示

100 XP
  • model をイテレータ、model.values() をイテラブルとして使い、for ループを記述しましょう。
  • モデルを使って、訓練用の特徴量配列と学習用のターゲット配列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しょう。
  • モデルの交差検証スコアを結果リストに追加しましょう。
  • 結果を表示する箱ひげ図を作成し、x 軸のラベルにモデル名を設定しましょう。