시작하기무료로 시작하기

회귀 모델 성능 시각화하기

이제 여러 모델을 기본 상태로 평가하는 방법을 살펴보았으니, 노래의 "energy" 수준을 예측하기 위해 세 개의 회귀 모델을 만들 것입니다.

music_df 데이터세트에는 "genre"에 대한 더미 변수가 추가되었습니다. 또한 특징 배열과 타깃 배열이 생성되어 X_train, X_test, y_train, y_test로 분할되었습니다.

다음 항목들은 여러분을 위해 Import 되었습니다: LinearRegression, Ridge, Lasso, cross_val_score, KFold.

이 연습은 강의의 일부입니다

scikit-learn으로 배우는 지도 학습

강의 보기

연습 안내

  • model을 반복자로, model.values()를 반복 가능한 객체로 사용하는 for 반복문을 작성하세요.
  • 모델을 사용하여 학습 특성과 학습 타깃 배열에 대해 교차 검증을 수행하고, cv를 KFold 객체와 같게 설정하세요.
  • 모델의 교차 검증 점수를 결과 리스트에 추가하세요.
  • 결과를 표시하는 상자 그래프를 만들고, x축 레이블을 모델 이름으로 설정하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

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()
코드 편집 및 실행