शुरू करेंमुफ़्त में शुरू करें

Feature importance के लिए Lasso regression

वीडियो में आपने देखा कि किसी डेटासेट में महत्वपूर्ण फीचर्स पहचानने के लिए lasso regression कैसे उपयोगी होता है.

इस अभ्यास में, आप sales_df डेटा पर एक lasso regression मॉडल फिट करेंगे और मॉडल के coefficients को प्लॉट करेंगे.

Feature और target वैरिएबल के एरेज़ X और y के रूप में पहले से लोड हैं, साथ में sales_columns भी है, जिसमें डेटासेट के feature नाम हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

scikit-learn के साथ Supervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.linear_model से Lasso इम्पोर्ट करें.
  • 0.3 के alpha के साथ एक Lasso regressor instantiate करें.
  • मॉडल को डेटा पर फिट करें.
  • मॉडल के coefficients compute करें और उन्हें lasso_coef में स्टोर करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()
कोड संपादित करें और चलाएँ