Kom igångKom igång gratis

Korsvalidering för R-kvadrat

Korsvalidering är ett viktigt sätt att utvärdera en modell. Det maximerar mängden data som modellen kan använda, eftersom modellen både tränas och testas på alla tillgängliga data.

I den här övningen bygger du en linjär regressionsmodell och använder sedan 6-faldig korsvalidering för att bedöma hur väl den förutsäger försäljning utifrån annonsutgifter i sociala medier. Du visar det enskilda resultatet för var och en av de sex vikningarna.

Datamängden sales_df har delats upp i y för målvariabeln och X för särdragen, och är förinstallerad. LinearRegression har importerats från sklearn.linear_model.

Den här övningen är en del av kursen

Övervakad inlärning med scikit-learn

Visa kurs

Övningsinstruktioner

  • Importera KFold och cross_val_score.
  • Skapa kf genom att anropa KFold(), sätt antalet uppdelningar till sex, shuffle till True och ett seed på 5.
  • Utför korsvalidering med reg på X och y, och skicka med kf till cv.
  • Skriv ut cv_scores.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(____)
Redigera och kör kod