शुरू करेंमुफ़्त में शुरू करें

Regularized regression: Ridge

Ridge regression नियमितीकरण इस तरह करता है कि मॉडल पैरामीटर्स के वर्ग (squared) मानों को alpha से गुणा करके loss फंक्शन में जोड़ देता है.

इस अभ्यास में, आप अलग-अलग alpha मानों की एक रेंज पर ridge regression मॉडल फिट करेंगे और उनके \(R^2\) स्कोर प्रिंट करेंगे. आप sales_df डेटासेट की सभी फीचर्स का उपयोग "sales" को प्रेडिक्ट करने के लिए करेंगे. आपके लिए डेटा को X_train, X_test, y_train, y_test में विभाजित किया गया है.

alphas नाम का एक वैरिएबल एक सूची के रूप में दिया गया है जिसमें अलग-अलग alpha मान हैं. आप इन्हें लूप करके स्कोर जनरेट करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

scikit-learn के साथ Supervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Ridge import करें.
  • Ridge instantiate करें और alpha को alpha के बराबर सेट करें.
  • मॉडल को training डेटा पर fit करें.
  • ridge की हर iteration के लिए \(R^2\) स्कोर calculate करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import Ridge
from ____.____ import ____
alphas = [0.1, 1.0, 10.0, 100.0, 1000.0, 10000.0]
ridge_scores = []
for alpha in alphas:
  
  # Create a Ridge regression model
  ridge = ____
  
  # Fit the data
  ____
  
  # Obtain R-squared
  score = ____
  ridge_scores.append(score)
print(ridge_scores)
कोड संपादित करें और चलाएँ