เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Lasso regression เพื่อวิเคราะห์ความสำคัญของฟีเจอร์

จากวิดีโอ คุณได้เห็นแล้วว่า lasso regression สามารถใช้ระบุฟีเจอร์ที่มีความสำคัญในชุดข้อมูลได้อย่างไร

ในแบบฝึกหัดนี้ จะได้ฟิตโมเดล lasso regression กับข้อมูล sales_df และพล็อตค่าสัมประสิทธิ์ของโมเดล

อาร์เรย์ฟีเจอร์และตัวแปรเป้าหมายถูกโหลดไว้ล่วงหน้าแล้วในชื่อ X และ y พร้อมกับ sales_columns ซึ่งเก็บชื่อฟีเจอร์ของชุดข้อมูล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ด้วย scikit-learn

ดูคอร์ส

คำแนะนำการฝึกหัด

  • อิมพอร์ต Lasso จาก sklearn.linear_model
  • สร้าง Lasso regressor โดยกำหนด alpha เป็น 0.3
  • ฟิตโมเดลกับข้อมูล
  • คำนวณค่าสัมประสิทธิ์ของโมเดล แล้วเก็บไว้ในตัวแปร lasso_coef

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด