Ridge regularization
Dans le dernier exercice, vous avez pratiqué la régularisation Lasso. Si, en entrevue de Machine Learning, on vous interroge sur les techniques de régularisation, sachez distinguer les deux normes. Lasso utilise la norme L1, qui applique une pénalité basée sur la valeur absolue des coefficients. La régression Ridge effectue une régularisation L2, aussi appelée norme L2, qui ajoute un terme de pénalité aux moindres carrés ordinaires en fonction du paramètre de pénalité et de la somme des coefficients au carré.
Dans cet exercice, vous allez pratiquer la régularisation avec Ridge sur le DataFrame diabetes. La matrice de caractéristiques et le vecteur cible sont déjà enregistrés dans votre espace de travail sous X et y, respectivement.
Les fonctions mean_squared_error de sklearn.metrics et train_test_split de sklearn.model_selection sont déjà importées pour vous.
Cette activité fait partie du cours
S'exercer aux questions d'entrevue en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____