เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแสดงภาพประสิทธิภาพของโมเดล regression

หลังจากได้เรียนรู้วิธีประเมินโมเดลหลายตัวพร้อมกันแล้ว คราวนี้จะสร้างโมเดล regression สามตัวเพื่อทำนายระดับ "energy" ของเพลง

ชุดข้อมูล music_df ได้รับการเพิ่ม dummy variables สำหรับ "genre" เรียบร้อยแล้ว นอกจากนี้ยังได้สร้าง feature array และ target array พร้อมแบ่งเป็น X_train, X_test, y_train และ y_test ไว้ให้แล้ว

ไลบรารีที่ import ไว้ให้ได้แก่: LinearRegression, Ridge, Lasso, cross_val_score และ KFold

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ด้วย scikit-learn

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เขียน for loop โดยใช้ model เป็น iterator และ model.values() เป็น iterable
  • ทำ cross-validation บน training features และ training target array โดยใช้โมเดลนั้น และกำหนด cv ให้เท่ากับ object KFold
  • เพิ่มคะแนน cross-validation ของโมเดลลงในลิสต์ results
  • สร้าง box plot แสดงผลลัพธ์ โดยกำหนด label แกน x เป็นชื่อของแต่ละโมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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()
แก้ไขและรันโค้ด