Regularyzacja Ridge

W poprzednim ćwiczeniu stosowałeś regularyzację lasso. Jeśli podczas rozmowy kwalifikacyjnej zostaniesz zapytany o techniki regularyzacji, warto wiedzieć, co odróżnia obie normy. Lasso korzysta z normy L1, która jako człon kary używa parametru regularyzacji i wartości bezwzględnych współczynników. Regresja Ridge stosuje regularyzację L2, czyli normę L2, która dodaje człon kary do zwykłej metody najmniejszych kwadratów, używając parametru regularyzacji i sumy kwadratów współczynników.

W tym ćwiczeniu przećwiczysz regularyzację Ridge na ramce danych diabetes. Macierz cech i wektor docelowy są zapisane w przestrzeni roboczej jako X i y.

Zaimportowane za ciebie zostały już: mean_squared_error z sklearn.metrics oraz train_test_split z sklearn.model_selection.

Machine learning pipeline

Zaimportuj funkcje potrzebne do zwykłej regresji Ridge, jej wersji z walidacją krzyżową oraz do obliczania błędu średniokwadratowego.

Exercise

Regularyzacja Ridge

Instructions 1/4

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercise

Instructions 1/4

Exercise