Ridge regularization
Dans le dernier exercice, vous avez pratiqué la régularisation Lasso. Lors d’un entretien en Machine Learning, on peut vous demander de comparer les techniques de régularisation : sachez distinguer les deux normes. Lasso utilise la norme L1, fondée sur le paramètre de pénalité et la valeur absolue des coefficients. La régression Ridge applique une régularisation L2 (ou norme L2), qui ajoute un terme de pénalité aux moindres carrés ordinaires à l’aide 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 variables explicatives et le vecteur cible sont disponibles dans votre espace de travail sous les noms X et y.
Sont déjà importés pour vous : mean_squared_error depuis sklearn.metrics et train_test_split depuis sklearn.model_selection.
Cet exercice fait partie du cours
S’entraîner aux questions d’entretien en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____