Ajustarea intensității regularizării

Modelul tău Lasso actual are un scor \(R^2\) de 84,7%. Când un model aplică o regularizare prea puternică, poate suferi de bias ridicat, ceea ce îi afectează puterea predictivă.

Hai să îmbunătățim echilibrul dintre puterea predictivă și simplitatea modelului, ajustând parametrul alpha.

Acest exercițiu face parte din cursul

Reducerea dimensionalității în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Găsește cea mai mare valoare pentru alpha care oferă un scor \(R^2\) de peste 98%, din opțiunile: 1, 0.5, 0.1 și 0.01.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Find the highest alpha value with R-squared above 98%
la = Lasso(____, random_state=0)

# Fits the model and calculates performance stats
la.fit(X_train_std, y_train)
r_squared = la.score(X_test_std, y_test)
n_ignored_features = sum(la.coef_ == 0)

# Print peformance stats 
print(f"The model can predict {r_squared:.1%} of the variance in the test set.")
print(f"{n_ignored_features} out of {len(la.coef_)} features were ignored.")

Editează și rulează codul