1. Učit se
    2. /
  2. Kurzy
    3. /
  3. 使用 scikit-learn 的监督学习
Connected

cvičení

包含类别特征的回归

现在，您已经创建了 music_dummies，其中为每首歌的流派生成了二元特征，是时候构建一个岭回归模型来预测歌曲的受欢迎度了。

music_dummies 已为您预加载，同时还包含 Ridge、cross_val_score、以 np 导入的 numpy，以及存储为 kf 的 KFold 对象。

我们将通过计算平均 RMSE 来评估模型。不过在此之前，您需要把每个折的得分转换为正值并取平方根。该指标表示模型预测的平均误差，因此可以与目标值 "popularity" 的标准差进行比较。

Pokyny

100 XP
  • 分别创建 X（包含 music_dummies 中的所有特征）和 y（仅包含 "popularity" 列）。
  • 实例化一个岭回归模型，将 alpha 设为 0.2。
  • 使用该岭回归模型在 X 和 y 上执行交叉验证，将 cv 设为 kf，并使用负均方误差作为评分指标。
  • 通过将负的 scores 转为正值并取平方根来打印 RMSE。