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

ćwiczenie

Kroswalidacja dla R-kwadrat

Kroswalidacja to kluczowa technika oceny modelu. Pozwala w pełni wykorzystać dostępne dane – model jest bowiem zarówno trenowany, jak i testowany na całym zbiorze danych.

W tym ćwiczeniu zbudujesz model regresji liniowej, a następnie użyjesz 6-krotnej kroswalidacji, aby ocenić jego skuteczność w prognozowaniu sprzedaży na podstawie wydatków na reklamę w mediach społecznościowych. Wyświetlisz wyniki osobno dla każdego z sześciu podziałów.

Zbiór danych sales_df został podzielony na y (zmienna docelowa) i X (cechy) i jest już załadowany. LinearRegression został zaimportowany z sklearn.linear_model.

Instrukcje

100 XP
  • Zaimportuj KFold i cross_val_score.
  • Utwórz kf, wywołując KFold() z liczbą podziałów równą sześć, shuffle ustawionym na True i ziarnem losowości 5.
  • Wykonaj kroswalidację, używając reg na X i y, przekazując kf do cv.
  • Wyświetl cv_scores.