यह ब्राउज़र अब समर्थित नहीं है.
नवीनतम सुविधाओं, सुरक्षा अपडेट और तकनीकी सहायता का लाभ लेने के लिए Microsoft Edge में अपग्रेड करें.
अपने सीखने की जांच करने के लिए निम्नलिखित प्रश्नों के उत्तर दें।
आप बिक्री डेटा के डेटासेट से प्रतिगमन मॉडल को प्रशिक्षित करने के लिए scikit-learn का उपयोग कर रहे हैं। आप यह सुनिश्चित करने के लिए मॉडल का मूल्यांकन करने में सक्षम होना चाहते हैं कि यह नए डेटा के साथ सटीक भविष्यवाणी करता है। आपको क्या करना चाहिए?
मॉडल को प्रशिक्षित करने के लिए सभी डेटा का उपयोग करें। फिर इसका मूल्यांकन करने के लिए सभी डेटा का उपयोग करें
केवल सुविधा स्तंभों का उपयोग करके मॉडल को प्रशिक्षित करें और फिर केवल लेबल स्तंभ का उपयोग करके उसका मूल्यांकन करें
डेटा को बेतरतीब ढंग से दो सबसेट में विभाजित करें। मॉडल को प्रशिक्षित करने के लिए एक सबसेट का उपयोग करें, और दूसरे का मूल्यांकन करने के लिए
आपने scikit-learn LinearRegression क्लास का उपयोग करके एक मॉडल ऑब्जेक्ट बनाया है। मॉडल को प्रशिक्षित करने के लिए आपको क्या करना चाहिए?
मॉडल ऑब्जेक्ट की predict() विधि को कॉल करें, प्रशिक्षण सुविधा और लेबल सरणियों को निर्दिष्ट करें
मॉडल ऑब्जेक्ट की fit() विधि को कॉल करें, प्रशिक्षण सुविधा और लेबल सरणियों को निर्दिष्ट करें
मॉडल ऑब्जेक्ट के स्कोर () विधि को कॉल करें, प्रशिक्षण सुविधा और परीक्षण सुविधा सरणियों को निर्दिष्ट करें
आप स्किकिट-लर्न का उपयोग करके एक प्रतिगमन मॉडल को प्रशिक्षित करते हैं। जब आप परीक्षण डेटा के साथ इसका मूल्यांकन करते हैं, तो आप निर्धारित करते हैं कि मॉडल 0.95 का R-वर्ग मीट्रिक प्राप्त करता है। यह मीट्रिक आपको मॉडल के बारे में क्या बताती है?
मॉडल अनुमानित और वास्तविक मूल्यों के बीच अधिकांश विचरण की व्याख्या करता है।
मॉडल 95% सटीक है
औसतन, भविष्यवाणियां वास्तविक मूल्यों से 0.95 अधिक हैं
अपने कार्य की जाँच करने से पहले आपको सारे प्रश्नों के उत्तर देना होंगे.
क्या यह पेज मददगार था?
इस विषय में मदद चाहिए?
क्या आप इस विषय को आपको स्पष्ट करने या आपका मार्गदर्शन के लिए Ask Learn का उपयोग करना चाहते हैं?