Zacznij terazZacznij za darmo

Regresja Lasso do oceny ważności cech

W lekcji wideo zobaczyłeś/zobaczyłaś, jak regresja Lasso może pomóc w identyfikacji istotnych cech w zbiorze danych.

W tym ćwiczeniu dopasujesz model regresji Lasso do danych sales_df i zwizualizujesz jego współczynniki.

Tablice cech i zmiennej docelowej zostały wstępnie załadowane jako X i y, a nazwy cech ze zbioru danych są dostępne w zmiennej sales_columns.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe z scikit-learn

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj Lasso z modułu sklearn.linear_model.
  • Utwórz instancję regresora Lasso z wartością alfa równą 0.3.
  • Dopasuj model do danych.
  • Oblicz współczynniki modelu i zapisz je jako lasso_coef.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import Lasso
from ____.____ import ____

# Instantiate a lasso regression model
lasso = ____

# Fit the model to the data
____

# Compute and print the coefficients
lasso_coef = ____
print(lasso_coef)
plt.bar(sales_columns, lasso_coef)
plt.xticks(rotation=45)
plt.show()
Edytuj i uruchom kod