1. Learn
    2. /
  2. 课程
    3. /
  3. 使用 scikit-learn 的监督学习
Connected

道练习

可视化回归模型的表现

现在您已经了解了如何即开即用地评估多个模型，接下来将构建 3 个回归模型来预测歌曲的 "energy" 水平。

music_df 数据集已为 "genre" 添加了虚拟变量（哑变量）。此外，特征数组和目标数组已创建，并已拆分为 X_train、X_test、y_train 和 y_test。

以下内容已为您导入：LinearRegression、Ridge、Lasso、cross_val_score 和 KFold。

说明

100 XP
  • 使用 model 作为迭代变量、model.values() 作为可迭代对象编写 for 循环。
  • 使用该模型在训练特征和训练目标数组上执行交叉验证，将 cv 设为 KFold 对象。
  • 将该模型的交叉验证分数追加到 results 列表。
  • 创建箱线图展示结果，x 轴标签使用各模型的名称。