เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Cross-validation สำหรับค่า R-squared

Cross-validation เป็นวิธีที่สำคัญมากในการประเมินประสิทธิภาพของโมเดล เพราะช่วยให้ใช้ประโยชน์จากข้อมูลได้สูงสุด โดยโมเดลจะถูกทั้งเทรนและทดสอบบนข้อมูลทั้งหมดที่มี

ในแบบฝึกหัดนี้ จะสร้างโมเดล linear regression แล้วใช้ 6-fold cross-validation เพื่อประเมินความแม่นยำในการพยากรณ์ยอดขายจากงบโฆษณาบนโซเชียลมีเดีย พร้อมแสดงคะแนนของแต่ละ fold ทั้งหกรอบ

ชุดข้อมูล sales_df ถูกแบ่งเป็น y สำหรับตัวแปรเป้าหมาย และ X สำหรับฟีเจอร์ และโหลดไว้ให้แล้ว นอกจากนี้ LinearRegression ถูกนำเข้าจาก sklearn.linear_model เรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ด้วย scikit-learn

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า KFold และ cross_val_score
  • สร้าง kf โดยเรียกใช้ KFold() กำหนดจำนวน splits เป็น 6 ตั้งค่า shuffle เป็น True และกำหนด seed เป็น 5
  • ทำ cross-validation โดยใช้ reg บน X และ y โดยส่ง kf ไปยัง cv
  • แสดงผลลัพธ์ cv_scores

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____)
แก้ไขและรันโค้ด