Compararea și alegerea celui mai bun R-pătrat ajustat
În analiza DataFrame-urilor imputate pe un model liniar, scorul R-pătrat ajustat (\(adj.R^2\)) indică modelul cu cel mai bun fit.
În acest exercițiu, vei compara scorurile \(adj.R^2\) ale modelelor liniare (pentru fiecare set de date imputat) create anterior, și anume lm_mean, lm_KNN și lm_MICE.
Vei afișa ordonat (prin crearea unui DataFrame) atributele lor rsquared_adj și vei alege modelul cu valoarea maximă a \(adj.R^2\).
Modelele de mai sus au fost deja încărcate pentru tine ca lm_mean, lm_KNN și lm_MICE.
Acest exercițiu face parte din cursul
Gestionarea datelor lipsă în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Store the Adj. R-squared scores of the linear models
rsquared_df = pd.DataFrame({'Mean Imputation': ___,
'KNN Imputation': ___,
'MICE Imputation': ___},
index=['Adj. R-squared'])
# Neatly print the Adj. R-squared scores in the console
print(rsquared_df)