보정된 R-제곱 비교 및 최적 모델 선택

결측치가 보간된 DataFrame을 선형 모델로 분석할 때, 보정된 R-제곱($adj.R^2$) 점수는 모델의 적합도를 가장 잘 설명합니다.

이 연습 문제에서는 앞에서 만든 각 보간 데이터셋의 선형 모델(lm_mean, lm_KNN, lm_MICE)의 $adj.R^2$ 점수를 비교해 보겠습니다.

먼저 각 모델의 rsquared_adj 속성을 모아(DataFrame을 만들어) 깔끔하게 출력한 뒤, $adj.R^2$가 가장 큰 모델을 선택하세요.

위의 모델들은 이미 lm_mean, lm_KNN, lm_MICE로 로드되어 있습니다.

이 연습은 강의의 일부입니다

Python에서 결측치 다루기

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Store the Adj. R-squared scores of the linear models
rsquared_df = pd.DataFrame({'Mean Imputation': ___, 
                          'KNN Imputation': ___, 
                          'MICE Imputation': ___}, 
                         index=['Adj. R-squared'])

# Neatly print the Adj. R-squared scores in the console
print(rsquared_df)

코드 편집 및 실행