Comece agoraComece grátis

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 exercicio faz parte do curso

Aprendizado Supervisionado com scikit-learn

Ver curso

Instruções do exercicio

  • 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.

exercicio interativo prático

Tente este exercicio 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 Código