Настройка силы регуляризации
Текущая модель Lasso имеет \(R^2\) равный 84,7%. Если модель применяет слишком сильную регуляризацию, она может страдать от высокого смещения, что снижает её предсказательную силу.
Улучшим баланс между точностью предсказаний и простотой модели, подобрав подходящее значение параметра alpha.
Это упражнение является частью курса
Снижение размерности в Python
Инструкции к упражнению
- Найдите наибольшее значение
alpha, при котором \(R^2\) превышает 98%, выбрав из вариантов:1,0.5,0.1и0.01.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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.")