Ta przeglądarka nie jest już obsługiwana.
Zaktualizuj do Microsoft Edge, aby skorzystać z najnowszych funkcji, aktualizacji bezpieczeństwa i wsparcia technicznego.
Odpowiedz na następujące pytania, aby sprawdzić swoją wiedzę.
Używasz biblioteki scikit-learn do trenowania modelu regresji na podstawie zestawu danych sprzedaży. Chcesz mieć możliwość oceny modelu, aby upewnić się, że dokładnie przewiduje nowe dane. Co należy zrobić?
Użyj wszystkich danych do wytrenowania modelu. Następnie użyj wszystkich danych, aby je ocenić
Trenowanie modelu przy użyciu tylko kolumn funkcji, a następnie ocenianie go przy użyciu tylko kolumny etykiety
Podziel dane losowo na dwa podzestawy. Użyj jednego podzestawu, aby wytrenować model, a drugi, aby go ocenić
Utworzono obiekt modelu przy użyciu klasy scikit-learn LinearRegression. Co należy zrobić, aby wytrenować model?
Wywołaj metodę predict() obiektu modelu, określając funkcję trenowania i tablice etykiet
Wywołaj metodę fit() obiektu modelu, określając funkcję trenowania i tablice etykiet
Wywołaj metodę score() obiektu modelu, określając funkcję trenowania i macierze funkcji testowych
Trenowanie modelu regresji przy użyciu biblioteki scikit-learn. Oceniając je przy użyciu danych testowych, określasz, że model osiąga metryki R kwadratu 0,95. Co ta metryka informuje o modelu?
Model wyjaśnia większość wariancji między wartościami przewidywanymi i rzeczywistymi.
Model jest dokładny o 95%
Średnio przewidywania są o 0,95 wyższe niż rzeczywiste wartości
Przed sprawdzeniem pracy musisz odpowiedzieć na wszystkie pytania.
Czy ta strona była pomocna?
Potrzebujesz pomocy w tym temacie?
Chcesz spróbować użyć Ask Learn, aby wyjaśnić lub poprowadzić się przez ten temat?