CommencezCommencez gratuitement

Régression Lasso pour l'importance des caractéristiques

Dans la vidéo, vous avez vu comment la régression Lasso peut servir à repérer les caractéristiques importantes d'un jeu de données.

Dans cet exercice, vous allez ajuster un modèle de régression Lasso aux données de sales_df et tracer les coefficients du modèle.

Les tableaux de caractéristiques et de variable cible ont été préchargés sous X et y, ainsi que sales_columns, qui contient les noms des caractéristiques du jeu de données.

Cette activité fait partie du cours

Apprentissage supervisé avec scikit-learn

Voir le cours

Instructions de l’exercice

  • Importez Lasso depuis sklearn.linear_model.
  • Instanciez un régressseur Lasso avec un alpha de 0.3.
  • Ajustez le modèle aux données.
  • Calculez les coefficients du modèle et enregistrez-les dans lasso_coef.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import Lasso
from ____.____ import ____

# Instantiate a lasso regression model
lasso = ____

# Fit the model to the data
____

# Compute and print the coefficients
lasso_coef = ____
print(lasso_coef)
plt.bar(sales_columns, lasso_coef)
plt.xticks(rotation=45)
plt.show()
Modifier et exécuter le code