ComenzarEmpieza gratis

Regresión regularizada: cresta

La regresión Ridge realiza la regularización calculando los valores al cuadrado de los parámetros del modelo multiplicados por alfa y añadiéndolos a la función de pérdida.

En este ejercicio, ajustarás modelos de regresión de cresta sobre un rango de diferentes valores alfa, e imprimirás sus puntuaciones \(R^2\). Utilizarás todas las características del conjunto de datos sales_df para predecir "sales". Los datos se han dividido en X_train, X_test, y_train e y_test.

Se ha proporcionado una variable llamada alphas como lista que contiene diferentes valores alfa, que recorrerás en bucle para generar puntuaciones.

Este ejercicio forma parte del curso

Aprendizaje supervisado con scikit-learn

Ver curso

Instrucciones del ejercicio

  • Importa Ridge.
  • Instancia Ridge, estableciendo alfa igual a alpha.
  • Ajusta el modelo a los datos de entrenamiento.
  • Calcula la puntuación de \(R^2\) para cada iteración de ridge.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# Import Ridge
from ____.____ import ____
alphas = [0.1, 1.0, 10.0, 100.0, 1000.0, 10000.0]
ridge_scores = []
for alpha in alphas:
  
  # Create a Ridge regression model
  ridge = ____
  
  # Fit the data
  ____
  
  # Obtain R-squared
  score = ____
  ridge_scores.append(score)
print(ridge_scores)
Editar y ejecutar código