Évaluation du module

3 minutes

Vous utilisez scikit-Learn pour effectuer l’apprentissage d’un modèle de régression à partir d’un jeu de données de données de ventes. Vous souhaitez pouvoir évaluer le modèle pour vous assurer qu’il effectue des prédictions correctes avec les nouvelles données. Que devez-vous faire ?

Utiliser toutes données pour effectuer l’apprentissage du modèle. Puis utiliser toutes les données pour l’évaluer.

Effectuer l’apprentissage du modèle en n’utilisant que les colonnes de fonctionnalités, puis l’évaluer en n’utilisant que la colonne d’étiquette

Fractionner les données de manière aléatoire en deux sous-ensembles. Utiliser un sous-ensemble pour effectuer l’apprentissage du modèle et l’autre pour l’évaluer

Vous avez créé un objet de modèle à l’aide de la classe scikit-learn LinearRegression. Que devez-vous faire pour effectuer l’apprentissage du modèle ?

Appeler la méthode predict() de l’objet de modèle, en spécifiant la fonctionnalité d’apprentissage et les tableaux d’étiquettes

Appeler la méthode fit() de l’objet de modèle, en spécifiant la fonctionnalité d’apprentissage et les tableaux d’étiquettes

Appeler la méthode score() de l’objet de modèle, en spécifiant la fonctionnalité d’apprentissage et les tableaux de fonctionnalités de test

Vous effectuez l’apprentissage d’un modèle de régression à l’aide de scikit-learn. Lorsque vous l’évaluez avec des données de test, vous déterminez que le modèle atteint une métrique R-squared globale de 0,95. Qu’est-ce que cette métrique vous apprend sur le modèle ?

Le modèle décrit la majeure partie de la variance entre les valeurs prédites et réelles.

Le modèle a une précision de 95 %

En moyenne, les prédictions sont 0,95 supérieures aux valeurs réelles

Vous devez répondre à toutes les questions avant de vérifier votre travail.

Commentaires

Est-ce que cette page vous a été utile?