BaşlayınÜcretsiz başlayın

R-kare için çapraz doğrulama

Çapraz doğrulama, bir modeli değerlendirmek için çok önemli bir yaklaşımdır. Model yalnızca eğitilmekle kalmayıp eldeki tüm veriler üzerinde test edildiği için, modele sunulan veri miktarını en üst düzeye çıkarır.

Bu egzersizde bir doğrusal regresyon modeli kuracak, ardından sosyal medya reklam harcamalarına göre satış tahmini yapmadaki doğruluğunu değerlendirmek için 6 katlı çapraz doğrulama uygulayacaksın. Altı katın her biri için tek tek skoru görüntüleyeceksin.

sales_df veri kümesi, hedef değişken için y ve özellikler için X olarak ayrıldı ve senin için önceden yüklendi. LinearRegression da sklearn.linear_model içinden içe aktarıldı.

Bu egzersiz, kursun bir parçasıdır

scikit-learn ile Supervised Learning

Kursa Göz Atın

Egzersiz talimatları

  • KFold ve cross_val_score öğelerini içe aktar.
  • Altı parçaya bölmek için n_splits değerini altı yaparak, shuffle değerini True ayarlayarak ve tohum değerini 5 vererek KFold() çağrısıyla kf oluştur.
  • reg modelini X ve y üzerinde kullanarak çapraz doğrulama yap; cv parametresine kf geçir.
  • cv_scores çıktısını yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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(____)
Kodu Düzenle ve Çalıştır