이전

다음

지식 점검

완료됨

다음 질문에 답변하여 학습한 내용을 확인하세요.

1.

scikit-learn을 사용하여 판매 데이터의 데이터 세트를 통해 회귀 모델을 학습시킵니다. 모델이 새 데이터로 정확하게 예측할 수 있도록 모델을 평가할 수 있어야 합니다. 어떻게 해야 하나요?

모든 데이터를 사용하여 모델을 학습시킵니다. 그런 다음 모든 데이터를 사용하여 평가합니다.

기능 열만 사용하여 모델을 학습시킨 다음 레이블 열만 사용하여 모델을 평가합니다.

데이터를 두 개의 하위 세트로 임의로 분할합니다. 하나의 하위 세트를 사용하여 모델을 학습시키고 다른 하위 세트를 사용하여 평가

2.

scikit-learn LinearRegression 클래스를 사용하여 모델 개체를 만들었습니다. 모델을 학습시키려면 어떻게 해야 하나요?

모델 개체의 predict() 메서드를 호출하여 학습 기능과 레이블 배열 지정

모델 개체의 fit() 메서드를 호출하여 학습 기능과 레이블 배열 지정

모델 개체의 score() 메서드를 호출하여 학습 기능과 테스트 기능 배열 지정

3.

scikit-learn을 사용하여 회귀 모델을 학습시킵니다. 테스트 데이터를 사용하여 평가하는 경우 모델이 0.95의 R-squared(결정계수) 메트릭을 달성하는지 확인합니다. 이 메트릭을 통해 모델에 대해 알 수 있는 정보는 무엇인가요?

모델에서는 예측값과 실제값 사이의 차이를 대부분 설명합니다.

모델의 정확성은 95%입니다.

평균적으로 예측은 실제값 보다 0.95 높습니다.

작업을 확인하기 전에 모든 질문에 대답해야 합니다.

계속