Регуляризация Ridge
В предыдущем упражнении вы практиковали регуляризацию Lasso. Если на собеседовании по машинному обучению вас спросят о методах регуляризации, важно понимать, чем отличаются две нормы. Lasso использует норму L1, которая соответствует штрафному параметру и абсолютным значениям коэффициентов. Ridge-регрессия выполняет регуляризацию L2 (норма L2): к обычному методу наименьших квадратов добавляется штрафной член, основанный на штрафном параметре и сумме квадратов коэффициентов.
В этом упражнении вы попрактикуетесь в регуляризации с помощью Ridge на DataFrame diabetes. Матрица признаков и целевой массив сохранены в вашем рабочем пространстве как X и y соответственно.
Библиотеки mean_squared_error из sklearn.metrics и train_test_split из sklearn.model_selection уже импортированы.
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____