1. Learn
    2. /
  2. Курси
    3. /
  3. Кероване навчання зі scikit-learn
Connected

вправа

Регресія з категоріальними ознаками

Тепер, коли ви створили music_dummies з бінарними ознаками для кожного жанру пісні, час побудувати модель гребеневої регресії для прогнозування популярності пісень.

music_dummies уже завантажено для вас, так само як і Ridge, cross_val_score, numpy як np, а також об'єкт KFold, збережений у змінній kf.

Модель буде оцінено за середнім RMSE. Але спершу потрібно перетворити бали для кожного фолду на додатні значення та взяти з них квадратний корінь. Ця метрика показує середню помилку прогнозів моделі, тож її можна порівняти зі стандартним відхиленням цільової змінної — "popularity".

Інструкції

100 XP
  • Створіть X, що міститиме всі ознаки з music_dummies, і y, що складатиметься зі стовпця "popularity".
  • Ініціалізуйте модель гребеневої регресії, встановивши alpha рівним 0.2.
  • Виконайте кросвалідацію на X і y, використовуючи гребеневу модель, встановивши cv рівним kf та використовуючи як метрику негативну середню квадратичну помилку.
  • Надрукуйте значення RMSE, перетворивши від'ємні scores на додатні та взявши квадратний корінь.