Доля объяснённой дисперсии с Pipeline
подскажите, пожалуйста, как найти долю объясненной дисперсии, если используем Pipeline?
base_model = Pipeline([
('scaler', StandardScaler()),
('pca', PCA(svd_solver = "randomized", random_state=123, n_components = n)),
('clf', KNeighborsClassifier(n_neighbors=9))
])
base_cv_scores = cross_val_score(base_model, X, y, cv=cv, scoring='accuracy')
Ответы (1 шт):
Автор решения: MaxU
→ Ссылка
Если я правильно понял вопрос - вам нужно найти значение метрики R2.
Это можно сделать так - сначала обучаете вашу модель:
base_model.fit(X_train, y_train)
после этого находим значение метрики для предсказанных значений:
from sklearn.metrics import r2_score
y_pred = base_model.predict(X_test)
res = r2_score(y_test, y_pred)