Deze browser wordt niet meer ondersteund.
Upgrade naar Microsoft Edge om te profiteren van de nieuwste functies, beveiligingsupdates en technische ondersteuning.
Beantwoord de volgende vragen om uw leerproces te controleren.
U gebruikt scikit-learn om een regressiemodel te trainen vanuit een gegevensset met verkoopgegevens. U wilt het model kunnen evalueren om ervoor te zorgen dat het nauwkeurig voorspelt met nieuwe gegevens. Wat moet u doen?
Gebruik alle gegevens om het model te trainen. Gebruik vervolgens alle gegevens om deze te evalueren
Train het model met alleen de functiekolommen en evalueer het vervolgens met behulp van alleen de labelkolom
Splits de gegevens willekeurig op in twee subsets. Gebruik de ene subset om het model te trainen en de andere om het te evalueren
U hebt een modelobject gemaakt met behulp van de klasse scikit-learn LinearRegression. Wat moet u doen om het model te trainen?
Roep de predict()-methode van het modelobject aan, waarbij de trainingsfunctie en labelmatrices worden opgegeven
Roep de fit()-methode van het modelobject aan, waarbij de trainingsfunctie en labelmatrices worden opgegeven
Roep de score()-methode van het modelobject aan, waarbij de trainingsfunctie en testfunctiematrices worden opgegeven
U traint een regressiemodel met scikit-learn. Wanneer u deze evalueert met testgegevens, bepaalt u dat het model een metrische R-kwadraat bereikt van 0,95. Wat vertelt deze metrische waarde over het model?
In het model wordt het grootste deel van de variantie tussen voorspelde en werkelijke waarden uitgelegd.
Het model is 95% nauwkeurig
Voorspellingen zijn gemiddeld 0,95 hoger dan de werkelijke waarden
U moet alle vragen beantwoorden voordat uw werk kan worden gecontroleerd.
Doorgaan
Is deze pagina nuttig?