1. 학습
    2. /
  2. 강의
    3. /
  3. scikit-learn으로 배우는 지도 학습
Connected

연습 문제

회귀 모델 성능 시각화

지금까지 여러 모델을 즉시 평가하는 방법을 살펴봤습니다. 이번에는 노래의 "energy" 수준을 예측하는 세 가지 회귀 모델을 구축해 보겠습니다.

music_df 데이터셋에는 "genre"에 대한 더미 변수가 이미 추가되어 있습니다. 또한 피처 배열과 타깃 배열이 생성되어 X_train, X_test, y_train, y_test로 분할된 상태입니다.

다음 항목은 미리 임포트되어 있습니다: LinearRegression, Ridge, Lasso, cross_val_score, KFold.

지침

100 XP
  • model을 반복자로, model.values()를 이터러블로 사용하는 for 반복문을 작성하세요.
  • 해당 모델을 사용하여 훈련 피처와 훈련 타깃 배열에 교차 검증을 수행하고, cv를 KFold 객체로 설정하세요.
  • 모델의 교차 검증 점수를 results 리스트에 추가하세요.
  • x축 레이블을 각 모델의 이름으로 설정하여 results를 박스 플롯으로 시각화하세요.