1. Nauka
    2. /
  2. Kursy
    3. /
  3. Metody zespołowe w Pythonie
Connected

ćwiczenie

Przewidywanie przychodów filmów

Zacznijmy wyzwanie polegające na przewidywaniu przychodów filmów – zbudujemy prostą regresję liniową, która oszacuje logarytm przychodów na podstawie cechy 'budget'. Jako metryki użyjemy RMSE (pierwiastek błędu średniokwadratowego). Aby obliczyć ją za pomocą scikit-learn, skorzystaj z funkcji mean_squared_error() z modułu sklearn.metrics, a następnie wyciągnij pierwiastek kwadratowy przy użyciu numpy.

Zbiór danych movies został wczytany i podzielony na zbiory treningowy oraz testowy. Brakujące wartości zostały zastąpione zerami, a cecha wejściowa znormalizowana przy użyciu StandardScaler(). Jeśli chcesz dowiedzieć się więcej o preprocessingu w uczeniu maszynowym, zapoznaj się z kursami DataCamp dotyczącymi czyszczenia danych i inżynierii cech.

Instrukcje

100 XP
  • Utwórz instancję domyślnego modelu LinearRegression.
  • Oblicz prognozy na zbiorze testowym.
  • Oblicz RMSE. Funkcja mean_squared_error() przyjmuje dwa argumenty: y_test, a następnie prognozy.