ÎncepețiÎncepe gratuit

Regresie regularizată: Ridge

Regresia ridge aplică regularizarea calculând valorile la pătrat ale parametrilor modelului, înmulțite cu alpha, și adăugându-le la funcția de pierdere.

În acest exercițiu, vei antrena modele de regresie ridge pentru un interval de valori diferite ale lui alpha și vei afișa scorurile \(R^2\) corespunzătoare. Vei folosi toate caracteristicile din setul de date sales_df pentru a prezice "sales". Datele au fost deja împărțite în X_train, X_test, y_train, y_test.

O variabilă numită alphas a fost furnizată ca listă cu diferite valori ale lui alpha, prin care vei itera pentru a genera scorurile.

Acest exercițiu face parte din cursul

Învățare supravegheată cu scikit-learn

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă Ridge.
  • Instanțiază Ridge, setând alpha egal cu alpha.
  • Antrenează modelul pe datele de antrenament.
  • Calculează scorul \(R^2\) pentru fiecare iterație a lui ridge.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
Editează și rulează codul