Regularización Ridge
En el último ejercicio practicaste la regularización lasso. Si en una entrevista de Machine Learning te preguntan por técnicas de regularización, ten claro qué diferencia a las dos normas. Lasso usa la norma L1 asociada al parámetro de penalización y al valor absoluto de los coeficientes. La regresión Ridge realiza regularización L2, también conocida como norma L2, que añade un término de penalización a los mínimos cuadrados ordinarios usando el parámetro de penalización y la suma de los coeficientes al cuadrado.
En este ejercicio, vas a practicar la regularización con Ridge sobre el DataFrame diabetes. La matriz de características y el vector objetivo están guardados en tu espacio de trabajo como X y y, respectivamente.
Ya tienes importados mean_squared_error de sklearn.metrics y train_test_split de sklearn.model_selection.
Este ejercicio forma parte del curso
Practicing Machine Learning Interview Questions in Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____