Regolarizzazione Ridge
Nell’ultimo esercizio hai praticato la regolarizzazione lasso. Se in un colloquio di Machine Learning ti chiedono delle tecniche di regolarizzazione, è importante sapere cosa distingue le due norme. Lasso usa la norma L1 in cui la penalizzazione è proporzionale al valore assoluto dei coefficienti. La regressione Ridge esegue una regolarizzazione L2, nota anche come L2-norm, che aggiunge un termine di penalità ai minimi quadrati ordinari usando il parametro di penalità e la somma dei quadrati dei coefficienti.
In questo esercizio, praticherai la regolarizzazione con Ridge sul DataFrame diabetes. La matrice delle caratteristiche e il vettore target sono già salvati nel tuo workspace come X e y, rispettivamente.
Sono già stati importati per te mean_squared_error da sklearn.metrics e train_test_split da sklearn.model_selection.
Questo esercizio fa parte del corso
Esercitarsi con le domande di colloquio di Machine Learning in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____