視覺化分類模型的效能

在這個練習中，你要解一個分類問題：music_df 資料集中的 "popularity" 欄位已轉為二元值，其中 1 代表該欄位的值大於或等於其中位數，0 代表小於中位數。

你的任務是建立三個不同的模型，並視覺化其結果，用來判斷一首歌是否受歡迎。

資料已經替你分割、縮放並預先載入為 X_train_scaled、X_test_scaled、y_train 和 y_test。此外，KNeighborsClassifier、DecisionTreeClassifier 與 LogisticRegression 也已匯入。

本練習屬於課程

使用 scikit-learn 進行監督式學習

檢視課程

練習說明

建立一個包含 "Logistic Regression"、"KNN"、"Decision Tree Classifier" 的字典，並將各鍵的值設為對應模型的呼叫。
迴圈走訪 models 的值。
建立一個 KFold 物件來進行 6 等分，並將 shuffle 設為 True、random_state 設為 12。
使用該模型、已縮放的訓練特徵、目標訓練集進行交叉驗證，並將 cv 設為 kf。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Create models dictionary
models = {"____": ____(), "____": ____(), "____": ____()}
results = []

# Loop through the models' values
for model in ____.____():
  
  # Instantiate a KFold object
  kf = ____(n_splits=____, random_state=____, shuffle=____)
  
  # Perform cross-validation
  cv_results = ____(____, ____, ____, cv=____)
  results.append(cv_results)
plt.boxplot(results, labels=models.keys())
plt.show()

編輯並執行程式碼