1. Nauka
    2. /
  2. Kursy
    3. /
  3. Nadzorowane uczenie maszynowe z scikit-learn
Connected

ćwiczenie

Wizualizacja wydajności modeli regresji

Wiesz już, jak oceniać wiele modeli od razu – teraz zbudujesz trzy modele regresji do przewidywania poziomu "energy" utworu muzycznego.

W zbiorze danych music_df dodano już zmienne dummy dla cechy "genre". Przygotowano również tablice cech i wartości docelowych, które podzielono na X_train, X_test, y_train i y_test.

Następujące elementy zostały zaimportowane: LinearRegression, Ridge, Lasso, cross_val_score oraz KFold.

Instrukcje

100 XP
  • Napisz pętlę for, używając model jako iteratora i model.values() jako iterowalnego obiektu.
  • Przeprowadź kroswalidację na treningowych cechach i treningowej tablicy wartości docelowych, używając modelu i ustawiając cv równe obiektowi KFold.
  • Dołącz wyniki kroswalidacji modelu do listy results.
  • Utwórz wykres pudełkowy wyświetlający wyniki, z nazwami modeli jako etykietami na osi x.