Menyesuaikan kekuatan regularisasi
Model Lasso Anda saat ini memiliki skor \(R^2\) sebesar 84,7%. Ketika sebuah model menerapkan regularisasi yang terlalu kuat, model dapat mengalami bias tinggi sehingga menurunkan kemampuan prediksinya.
Mari kita perbaiki keseimbangan antara kemampuan prediksi dan kesederhanaan model dengan menyetel parameter alpha.
Latihan ini adalah bagian dari kursus
Pengurangan Dimensi dengan Python
Petunjuk latihan
- Temukan nilai
alphatertinggi yang memberikan nilai \(R^2\) di atas 98% dari opsi berikut:1,0.5,0.1, dan0.01.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Find the highest alpha value with R-squared above 98%
la = Lasso(____, random_state=0)
# Fits the model and calculates performance stats
la.fit(X_train_std, y_train)
r_squared = la.score(X_test_std, y_test)
n_ignored_features = sum(la.coef_ == 0)
# Print peformance stats
print(f"The model can predict {r_squared:.1%} of the variance in the test set.")
print(f"{n_ignored_features} out of {len(la.coef_)} features were ignored.")