1. 学习
    2. /
  2. 课程
    3. /
  3. scikit-learn으로 배우는 Supervised Learning
Connected

练习

회귀 모델 성능 시각화

이제 여러 모델을 간단히 평가하는 방법을 보았으니, 노래의 "energy" 수준을 예측하는 세 가지 회귀 모델을 만들어 보겠습니다.

music_df 데이터셋에는 "genre"에 대한 더미 변수가 추가되어 있습니다. 또한 특성과 타깃 배열이 생성되어 X_train, X_test, y_train, y_test로 분할해 두었습니다.

다음 항목이 이미 임포트되어 있습니다: LinearRegression, Ridge, Lasso, cross_val_score, KFold.

说明

100 XP
  • 반복자는 model, 반복 가능한 객체는 model.values()로 하여 for 루프를 작성하세요.
  • 해당 모델을 사용해 학습용 특성과 학습용 타깃 배열에 대해 교차 검증을 수행하고, cv는 KFold 객체로 설정하세요.
  • 모델의 교차 검증 점수를 results 리스트에 추가하세요.
  • 결과를 보여주는 상자 그림(box plot)을 만들고, x축 레이블은 모델 이름으로 설정하세요.