Ridge रेग्युलराइज़ेशन
पिछले अभ्यास में आपने lasso रेग्युलराइज़ेशन किया था। अगर मशीन लर्निंग इंटरव्यू में आपसे रेग्युलराइज़ेशन तकनीकों के बारे में पूछा जाए, तो इन दोनों norms का अंतर ज़रूर जानिए। Lasso दंड पैरामीटर (penalty parameter) और कोएफ़िशिएंट्स के परिमाण (absolute value) के साथ L1 norm का उपयोग करता है। Ridge रिग्रेशन L2 रेग्युलराइज़ेशन करता है, जिसे L2-norm भी कहते हैं, जहाँ penalty parameter और कोएफ़िशिएंट्स के वर्गों (squared) के योग के साथ एक penalty term ordinary least squares में जोड़ा जाता है.
इस अभ्यास में, आप diabetes DataFrame पर Ridge के साथ रेग्युलराइज़ेशन का अभ्यास करेंगे। फीचर मैट्रिक्स और टार्गेट एरे क्रमशः X और y के रूप में आपके वर्कस्पेस में सेव हैं।
sklearn.metrics से mean_squared_error और sklearn.model_selection से train_test_split पहले से इम्पोर्ट किए गए हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____