Kom igångKom igång gratis

Lasso-regression för att identifiera viktiga särdrag

I videon såg du hur lasso-regression kan användas för att identifiera viktiga särdrag i en datamängd.

I den här övningen anpassar du en lasso-regressionsmodell till data i sales_df och plottar modellens koefficienter.

Arrayerna med särdrag och målvariabel har redan laddats in som X och y, tillsammans med sales_columns, som innehåller datamängdens särdragsnamn.

Den här övningen är en del av kursen

Övervakad inlärning med scikit-learn

Visa kurs

Övningsinstruktioner

  • Importera Lasso från sklearn.linear_model.
  • Skapa en Lasso-regressor med ett alpha-värde på 0.3.
  • Anpassa modellen till data.
  • Beräkna modellens koefficienter och lagra dem i lasso_coef.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod