1. Nauka
    2. /
  2. Kursy
    3. /
  3. Braki danych w Pythonie
Connected

ćwiczenie

Porównanie i wybór najlepszego skorygowanego R-kwadrat

Podczas analizy uzupełnionych ramek danych na modelu liniowym, skorygowany współczynnik R-kwadrat (\(adj.R^2\)) wskazuje model o najlepszym dopasowaniu.

W tym ćwiczeniu porównasz wartości \(adj.R^2\) modeli liniowych (dla każdego z uzupełnionych zbiorów danych) utworzonych wcześniej: lm_mean, lm_KNN oraz lm_MICE.

Najpierw wyświetlisz w czytelnej formie (tworząc ramkę danych) ich atrybut rsquared_adj, a następnie wybierzesz model z maksymalną wartością \(adj.R^2\).

Powyższe modele zostały już wczytane jako lm_mean, lm_KNN i lm_MICE.

Instrukcje 1/2

undefined XP
  • 1
    • Użyj atrybutu .rsquared_adj na każdym z modeli \(-\) lm_mean, lm_KNN oraz lm_MICE, aby utworzyć rsquared_df.
  • 2
    • Użyj funkcji max(), aby uzyskać najlepszą wartość R-kwadrat z rsquared_df. Parametr key=rsquared_df.get pobiera odpowiadający jej wynik.