Ridge regularizace
V předchozím cvičení jsi procvičoval/a lasso regularizaci. Pokud tě na pohovoru zeptají na regularizační techniky, měl/a bys vědět, čím se od sebe liší jejich normy. Lasso používá normu L1, která jako penalizační člen pracuje s absolutními hodnotami koeficientů. Ridge regrese provádí L2 regularizaci (také označovanou jako L2-norma), která přidává penalizační člen k metodě nejmenších čtverců pomocí parametru penalizace a součtu kvadrátů koeficientů.
V tomto cvičení si procvičíš regularizaci pomocí Ridge na DataFrame diabetes. Matice příznaků a cílové pole jsou uloženy v pracovním prostoru jako X a y.
Již jsou pro tebe importovány mean_squared_error z sklearn.metrics a train_test_split z sklearn.model_selection.
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____