def test_residuals_quick_method_missing_data(self):
"""
Ensure the quick method requires both X_test and y_test if one specified
"""
msg = "both X_test and y_test are required if one is specified"
with pytest.raises(YellowbrickValueError, match=msg):
residuals_plot(Lasso(), self.data.X.train, self.data.y.train,
self.data.X.test)
def test_residuals_quick_method_train_only(self):
"""
Test the quick method with only train data (simplest args)
"""
oz = residuals_plot(Ridge(random_state=19), self.data.X.train,
self.data.y.train)
assert isinstance(oz, ResidualsPlot)
self.assert_images_similar(oz)
def test_residuals_quick_method(self):
"""
Image similarity test using the residuals plot quick method
"""
_, ax = plt.subplots()
model = Lasso(random_state=19)
oz = residuals_plot(
model,
self.data.X.train,
self.data.y.train,
self.data.X.test,
self.data.y.test,
ax=ax,
line_color="#cccccc",
test_color="r",
train_color="y",
)
assert isinstance(oz, ResidualsPlot)
self.assert_images_similar(oz)
scoring="neg_root_mean_squared_error")
# Uruchomienie procedury wyszukiwania hyperparametrów
random_search.fit(X_train, y_train)
# Wyświetlenie rezultatów dla poszczególnych prób hyperparametrów
pd.DataFrame(random_search.cv_results_).sort_values("rank_test_score")
# Przypisanie najlepszego, wytrenowanego modelu do zmiennej
best_model = random_search.best_estimator_
# Obliczenie metryk MAPE i RMSE korzystając z funkcji calculate_metrics
calculate_metrics(best_model, X_train, y_train, X_test, y_test)
# Wykres reszt
residuals_plot(best_model, X_train, y_train, X_test, y_test)
# Wykres błędów predykcji
prediction_error(best_model, X_train, y_train, X_test, y_test)
# Próba usunięcia wartości odstających dla zmiennej celu
df_for_modelling_outliers_index = df_for_modelling.copy()
df_for_modelling_outliers_index["zscore"] = zscore(
df_for_modelling_outliers_index["cena_metr"])
# Wskazanie obserwacji, których moduł wartości zscore przekracza 3 - wartości odstające
outliers_indices = df_for_modelling_outliers_index["zscore"].abs() >= 3
# +
display(df_for_modelling_outliers_index[outliers_indices])