ComeçarComece de graça

Regressão regularizada: ridge

A regressão ridge faz a regularização calculando os valores ao quadrado dos parâmetros do modelo multiplicados por alfa e adicionando-os à função de perda.

Neste exercício, você deve ajustar modelos de regressão ridge em um intervalo de diferentes valores de alfa e imprimir suas pontuações de \(R^2\). Você deve usar todas as variáveis independentes do conjunto de dados sales_df para prever "sales". Os dados foram divididos em X_train, X_test, y_train e y_test para você.

Uma variável chamada alphas foi fornecida como uma lista contendo diferentes valores de alfa, pelos quais deve ser feito um loop para gerar pontuações.

Este exercício faz parte do curso

Aprendizado Supervisionado com o scikit-learn

Ver curso

Instruções do exercício

  • Importe Ridge.
  • Instancie Ridge, definindo alpha igual a alpha.
  • Ajuste o modelo aos dados de treinamento.
  • Calcule a pontuação \(R^2\) para cada iteração de ridge.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)
Editar e executar o código