So sánh và chọn adjusted R-squared tốt nhất
Trong quá trình phân tích các DataFrame đã nội suy trên một mô hình tuyến tính, điểm adjusted R-squared (\(adj.R^2\)) cho biết mô hình khớp tốt nhất.
Trong bài tập này, bạn sẽ so sánh các điểm \(adj.R^2\) của các mô hình tuyến tính (ứng với từng bộ dữ liệu đã nội suy) mà bạn đã tạo trước đó, cụ thể là lm_mean, lm_KNN và lm_MICE tương ứng.
Bạn sẽ in gọn gàng (bằng cách tạo một DataFrame) thuộc tính rsquared_adj của chúng và cuối cùng chọn mô hình có \(adj.R^2\) lớn nhất.
Các mô hình trên đã được nạp sẵn cho bạn dưới tên lm_mean, lm_KNN và lm_MICE.
Bài tập này là một phần của khóa học
Xử lý Dữ liệu Khuyết trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Store the Adj. R-squared scores of the linear models
rsquared_df = pd.DataFrame({'Mean Imputation': ___,
'KNN Imputation': ___,
'MICE Imputation': ___},
index=['Adj. R-squared'])
# Neatly print the Adj. R-squared scores in the console
print(rsquared_df)