ÎncepețiÎncepe gratuit

Vizualizarea performanței modelelor de regresie

Acum că ai văzut cum se evaluează mai multe modele direct, vei construi trei modele de regresie pentru a prezice nivelurile de "energy" ale unui cântec.

Setul de date music_df a primit variabile dummy pentru "genre". De asemenea, au fost create array-uri de caracteristici și țintă, care au fost împărțite în X_train, X_test, y_train și y_test.

Următoarele au fost importate pentru tine: LinearRegression, Ridge, Lasso, cross_val_score și KFold.

Acest exercițiu face parte din cursul

Învățare supravegheată cu scikit-learn

Vezi cursul

Instrucțiuni pentru exercițiu

  • Scrie o buclă for folosind model ca iterator și model.values() ca iterabil.
  • Efectuează validarea încrucișată pe caracteristicile de antrenament și pe array-ul țintă de antrenament folosind modelul, setând cv egal cu obiectul KFold.
  • Adaugă scorurile de validare încrucișată ale modelului la lista results.
  • Creează un box plot care să afișeze rezultatele, cu etichetele axei x reprezentând numele modelelor.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

models = {"Linear Regression": LinearRegression(), "Ridge": Ridge(alpha=0.1), "Lasso": Lasso(alpha=0.1)}
results = []

# Loop through the models' values
for ____ in models.values():
  kf = KFold(n_splits=6, random_state=42, shuffle=True)
  
  # Perform cross-validation
  cv_scores = ____(____, ____, ____, cv=____)
  
  # Append the results
  ____.____(____)

# Create a box plot of the results
plt.____(____, labels=____.____())
plt.show()
Editează și rulează codul