ÎncepețiÎncepe gratuit

Validare încrucișată pentru R-squared

Validarea încrucișată este o metodă esențială pentru evaluarea unui model. Ea maximizează cantitatea de date disponibilă, deoarece modelul este atât antrenat, cât și testat pe întregul set de date disponibil.

În acest exercițiu, vei construi un model de regresie liniară, apoi vei folosi validarea încrucișată cu 6 fold-uri pentru a-i evalua acuratețea în predicția vânzărilor pe baza cheltuielilor de publicitate în social media. Vei afișa scorul individual pentru fiecare dintre cele șase fold-uri.

Setul de date sales_df a fost împărțit în y pentru variabila țintă și X pentru caracteristici, și a fost preîncărcat pentru tine. LinearRegression a fost importat din sklearn.linear_model.

Acest exercițiu face parte din cursul

Învățare supravegheată cu scikit-learn

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă KFold și cross_val_score.
  • Creează kf apelând KFold(), setând numărul de split-uri la șase, shuffle la True și o sămânță de 5.
  • Efectuează validarea încrucișată folosind reg pe X și y, transmițând kf la cv.
  • Afișează cv_scores.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the necessary modules
from ____.____ import ____, ____

# Create a KFold object
kf = ____(n_splits=____, shuffle=____, random_state=____)

reg = LinearRegression()

# Compute 6-fold cross-validation scores
cv_scores = ____(____, ____, ____, cv=____)

# Print scores
print(____)
Editează și rulează codul