Ridge-regularisering
I den förra övningen tränade du på lasso-regularisering. Om du får en fråga om regulariseringstekniker i en maskininlärningsintervju är det viktigt att du känner till skillnaden mellan de två normerna. Lasso använder L1-normen, som kombinerar straffparametern med absolutvärdena av koefficienterna. Ridge-regression använder L2-regularisering, även kallad L2-normen, som lägger till en straffterm till vanliga minsta kvadrater med hjälp av straffparametern och summan av de kvadrerade koefficienterna.
I den här övningen ska du träna på regularisering med Ridge på diabetes-dataramen. Särdragsmatrisen och målvektorn är sparade i din arbetsyta som X respektive y.
mean_squared_error från sklearn.metrics och train_test_split från sklearn.model_selection är redan importerade åt dig.
Den här övningen är en del av kursen
Öva på maskininlärningsintervjufrågor i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____