Prueba de conocimientos

Completado

Responda a las siguientes preguntas para comprobar lo que ha aprendido.

1.

Está usando scikit-learn para entrenar un modelo de regresión a partir de un conjunto de datos de ventas. Quiere poder evaluar el modelo para asegurar que predicen con precisión con datos nuevos. ¿Qué tiene que hacer?

Usar todos los datos para entrenar el modelo. Luego usar todos los datos para evaluarlo.

Entrenar el modelo usando solo las columnas de características y, luego, evaluarlo usando solo la columna de etiquetas.

Dividir los datos de forma aleatoria en dos subconjuntos. Usar un subconjunto para entrenar el modelo y el otro para evaluarlo.

2.

Ha creado un objeto de modelo mediante la clase LinearRegression de Scikit-learn. ¿Qué debe hacer para entrenar el modelo?

Llamar al método predict() del objeto model, especificando la característica de entrenamiento y las matrices de etiquetas.

Llamar al método fit() del objeto model, especificando la característica de entrenamiento y las matrices de etiquetas.

Llamar al método score() del objeto model, especificando la característica de entrenamiento y las matrices de características de prueba.

3.

Entrena un modelo de regresión mediante Scikit-learn. Al evaluarlo con datos de prueba, calcula que el modelo logra una métrica de R al cuadrado de 0,95. ¿Qué le indica esta métrica sobre el modelo?

El modelo explica la mayor parte de la varianza entre los valores predichos y los reales.

El modelo tiene una precisión del 95 %.

En promedio, las predicciones son 0,95 mayores que los valores reales.

Debe responder todas las preguntas antes de comprobar su trabajo.