CommencerCommencez gratuitement

Régression Lasso pour l'importance des caractéristiques

Dans la vidéo, vous avez vu comment la régression lasso peut être utilisée pour identifier les caractéristiques importantes d'un ensemble 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 variables d'éléments et de cibles ont été préchargés sous les noms X et y, ainsi que sales_columns, qui contient les noms des éléments de l'ensemble de données.

Cet exercice fait partie du cours

Apprentissage supervisé avec scikit-learn

Afficher le cours

Instructions d’exercice

  • Importez Lasso à partir de sklearn.linear_model.
  • Instanciez un régresseur Lasso avec un alpha de 0.3.
  • Ajustez le modèle aux données.
  • Calculez les coefficients du modèle, en les enregistrant sous lasso_coef.

Exercice interactif pratique

Essayez-vous à cet exercice en complétant cet exemple de code.

# 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 du code