시작하기무료로 시작하기

정규화된 회귀: 릿지

릿지 회귀는 모델 매개변수의 제곱 값을 계산하여 알파를 곱한 뒤 이를 손실 함수에 더함으로써 정규화를 수행합니다.

이 실습 문제에서는 다양한 알파 값 범위에 걸쳐 릿지 회귀 모델을 학습시키고, 해당 \(R^2\) 점수를 출력해 볼 것입니다. sales_df 데이터 세트의 모든 특성을 사용하여 "sales"를 예측합니다. 여러분들을 위해 데이터는 X_train, X_test, y_train, y_test로 분할되어 있습니다.

alphas라는 변수는 서로 다른 알파 값을 포함하는 리스트로 제공되었으며, 이를 반복하여 점수를 생성할 것입니다.

이 연습은 강의의 일부입니다

scikit-learn으로 배우는 지도 학습

강의 보기

연습 안내

  • Ridge를 가져오세요.
  • 알파를 alpha와 같게 설정한 Ridge를 인스턴스화하세요.
  • 모델을 학습 데이터에 학습시키세요.
  • 각 ridge의 반복에 대한 \(R^2\) 점수를 계산하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행