НачатьНачать бесплатно

Перекрёстная проверка для R-квадрата

Перекрёстная проверка — важный способ оценить качество модели. Она позволяет максимально использовать доступные данные: модель не только обучается, но и тестируется на всём наборе данных.

В этом упражнении вы построите модель линейной регрессии, а затем применёте 6-блочную перекрёстную проверку, чтобы оценить точность прогнозирования продаж на основе расходов на рекламу в социальных сетях. Вы выведете на экран результат для каждого из шести блоков.

Набор данных sales_df уже разделён на целевую переменную y и матрицу признаков X и загружен для вас. LinearRegression импортирован из sklearn.linear_model.

Это упражнение является частью курса

Обучение с учителем с помощью scikit-learn

Посмотреть курс

Инструкции к упражнению

  • Импортируйте KFold и cross_val_score.
  • Создайте kf, вызвав KFold(): установите количество блоков равным шести, shuffle — True, а зерно генератора — 5.
  • Выполните перекрёстную проверку, применив reg к X и y и передав kf в параметр cv.
  • Выведите на экран cv_scores.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____)
Редактировать и запускать код