НачатьНачать бесплатно

Лассо-регрессия для оценки важности признаков

В видео вы узнали, как лассо-регрессия помогает выявлять важные признаки в наборе данных.

В этом упражнении вы обучите модель лассо-регрессии на данных sales_df и построите график её коэффициентов.

Массивы признаков и целевой переменной заранее загружены как X и y, а также sales_columns — массив с названиями признаков набора данных.

Это упражнение является частью курса

Обучение с учителем с помощью scikit-learn

Посмотреть курс

Инструкции к упражнению

  • Импортируйте Lasso из sklearn.linear_model.
  • Создайте экземпляр лассо-регрессора со значением alpha равным 0.3.
  • Обучите модель на данных.
  • Вычислите коэффициенты модели и сохраните их в переменную lasso_coef.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import Lasso
from ____.____ import ____

# Instantiate a lasso regression model
lasso = ____

# Fit the model to the data
____

# Compute and print the coefficients
lasso_coef = ____
print(lasso_coef)
plt.bar(sales_columns, lasso_coef)
plt.xticks(rotation=45)
plt.show()
Редактировать и запускать код