Этот браузер больше не поддерживается.
Выполните обновление до Microsoft Edge, чтобы воспользоваться новейшими функциями, обновлениями для системы безопасности и технической поддержкой.
Ответьте на следующие вопросы, чтобы проверить свои знания.
Вы используете scikit-learn, чтобы обучить модель регрессии из набора данных о продажах. Вы хотите иметь возможность оценить модель, чтобы обеспечить точное прогнозирование новых данных. Что вы должны сделать?
Использовать все данные для обучения модели. Затем использовать все данные для ее оценки
Обучить модель только по столбцам признаков, а затем оценить ее, используя только столбец меток
Разделить данные случайным образом на два подмножества. Использовать одно подмножество для обучения модели, а другое — для ее оценки
Вы создали объект модели с помощью класса scikit-learn LinearRegression. Что нужно сделать, чтобы обучить модель?
Вызвать метод predict() объекта модели, указав массивы обучающих признаков и меток
Вызвать метод fit() объекта модели, указав массивы обучающих признаков и меток
Вызвать метод score() объекта модели, указав массивы обучающих и тестовых признаков
Вы обучаете модель регрессии с помощью scikit-learn. При оценке с помощью тестовых данных вы определяете, что метрика R в квадрате равна 0,95. Что эта метрика говорит о модели?
Модель объясняет большую часть расхождений между прогнозируемыми и фактическими значениями
Точность модели составляет 95 %
В среднем, прогнозы на 0,95 больше фактических значений
Вы должны ответить на все вопросы перед проверкой.
Продолжить
Были ли сведения на этой странице полезными?