Ridge Regularization
ในแบบฝึกหัดที่แล้ว คุณได้ฝึกใช้ Lasso Regularization ไปแล้ว หากถูกถามเรื่องเทคนิค Regularization ในการสัมภาษณ์ด้าน Machine Learning ควรรู้ว่าอะไรคือความแตกต่างระหว่าง Norm ทั้ง 2 แบบ Lasso ใช้ L1 Norm ซึ่งอิงจาก Penalty Parameter และค่าสัมบูรณ์ของสัมประสิทธิ์ ส่วน Ridge Regression ใช้ L2 Regularization หรือที่รู้จักกันในชื่อ L2-Norm ซึ่งเพิ่ม Penalty Term เข้าไปใน Ordinary Least Squares โดยใช้ Penalty Parameter และผลรวมของสัมประสิทธิ์กำลังสอง
ในแบบฝึกหัดนี้ จะฝึกใช้ Regularization แบบ Ridge กับ DataFrame ชื่อ diabetes โดย Feature Matrix และ Target Array ถูกบันทึกไว้ในพื้นที่ทำงานแล้วในชื่อ X และ y ตามลำดับ
มีการ Import mean_squared_error จาก sklearn.metrics และ train_test_split จาก sklearn.model_selection ให้เรียบร้อยแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____