用交叉驗證評估 R-squared
交叉驗證是評估模型的關鍵方法。它能最大化模型可用的資料量，因為模型不只在所有可用資料上訓練，也會在其上進行測試。
在這個練習中，你會建立一個線性迴歸模型，並使用 6 折交叉驗證來評估它在社群媒體廣告支出下預測銷售額的準確度。你也會顯示六折中每一折的個別分數。
sales_df 資料集已經分割為目標變數 y 與特徵 X，並為你預先載入。LinearRegression 已從 sklearn.linear_model 匯入。
本練習屬於課程
使用 scikit-learn 進行監督式學習
練習說明
- 匯入
KFold與cross_val_score。 - 呼叫
KFold()建立kf，將分割數設為 6、shuffle設為True，並將隨機種子設為5。 - 使用
reg在X和y上執行交叉驗證，並將kf傳入cv。 - 列印
cv_scores。
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。
# 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(____)