始める無料で始める

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。

この演習はコースの一部です

scikit-learn による教師あり学習

コースを見る

演習の手順

  • 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。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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()
コードを編集して実行