Predicția veniturilor unui film

Să începem provocarea de a prezice veniturile filmelor! Vei construi o regresie liniară simplă pentru a estima log-venitul filmelor pe baza caracteristicii 'budget'. Metrica folosită aici este RMSE (rădăcina erorii pătratice medii). Pentru a o calcula cu scikit-learn, poți folosi funcția mean_squared_error() din modulul sklearn.metrics, apoi să extragi rădăcina pătrată cu numpy.

Setul de date movies a fost deja încărcat și împărțit în seturi de antrenament și de testare. Valorile lipsă au fost înlocuite cu zerouri, iar caracteristica de intrare a fost standardizată folosind StandardScaler(). Dacă vrei să afli mai multe despre preprocesare pentru învățarea automată, consultă cursurile DataCamp despre curățarea datelor și ingineria caracteristicilor.

Acest exercițiu face parte din cursul

Metode de ansamblu în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Instanțiază modelul LinearRegression implicit.
Calculează predicțiile pe setul de testare.
Calculează RMSE. Funcția mean_squared_error() necesită două argumente: y_test, urmat de predicții.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Build and fit linear regression model
reg_lm = ____
reg_lm.fit(X_train, y_train)

# Calculate the predictions on the test set
pred = ____

# Evaluate the performance using the RMSE
rmse = np.sqrt(____)
print('RMSE: {:.3f}'.format(rmse))

Editează și rulează codul