НачатьНачать бесплатно

Регуляризованная регрессия: Ridge

Гребневая регрессия (Ridge) выполняет регуляризацию, вычисляя квадраты параметров модели, умножая их на alpha и добавляя к функции потерь.

В этом упражнении вы обучите модели гребневой регрессии при различных значениях alpha и выведете их оценки \(R^2\). Для предсказания "sales" используйте все признаки из набора данных sales_df. Данные уже разделены на X_train, X_test, y_train, y_test.

Переменная alphas задана в виде списка различных значений alpha, по которым вы будете итерироваться для вычисления оценок.

Это упражнение является частью курса

Обучение с учителем с помощью scikit-learn

Посмотреть курс

Инструкции к упражнению

  • Импортируйте Ridge.
  • Создайте экземпляр Ridge, установив alpha равным alpha.
  • Обучите модель на обучающих данных.
  • Вычислите оценку \(R^2\) для каждой итерации ridge.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)
Редактировать и запускать код