Düzenlileştirme gücünü ayarlama
Mevcut Lasso modelinin \(R^2\) skoru %84,7. Bir model aşırı güçlü düzenlileştirme uyguladığında yüksek önyargıdan (bias) etkilenebilir ve bu da kestirim gücünü zedeler.
Hadi alpha parametresini ayarlayarak kestirim gücü ile model sadeliği arasındaki dengeyi iyileştirelim.
Bu egzersiz, kursun bir parçasıdır
Python'da Boyut Azaltma
Egzersiz talimatları
1,0.5,0.1ve0.01seçenekleri arasından \(R^2\) değeri %98'in üzerinde olan en yüksekalphadeğerini bul.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Find the highest alpha value with R-squared above 98%
la = Lasso(____, random_state=0)
# Fits the model and calculates performance stats
la.fit(X_train_std, y_train)
r_squared = la.score(X_test_std, y_test)
n_ignored_features = sum(la.coef_ == 0)
# Print peformance stats
print(f"The model can predict {r_squared:.1%} of the variance in the test set.")
print(f"{n_ignored_features} out of {len(la.coef_)} features were ignored.")