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.
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____