正則化回帰：リッジ
リッジ回帰は、モデルパラメータの二乗値にアルファをかけたものを損失関数に加えることで、正則化を行います。
この演習では、さまざまなアルファ値の範囲でリッジ回帰モデルを当てはめて、それぞれの \(R^2\) スコアを出力します。sales_df データセットのすべての特徴量を使って "sales" を予測します。データはあらかじめ X_train、X_test、y_train、y_test に分割されています。
さまざまなα値があるリスト alphas が用意されています。このリストをループして、各スコアを計算しましょう。
この演習はコースの一部です
scikit-learn による教師あり学習
演習の手順
Ridgeをインポートしてください。Ridgeをαに設定して、alphaをインスタンス化してください。- モデルを訓練データに当てはめてください。
ridgeの各イテレーションで $R^2$のスコアを計算してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)