Lojistik regresyon ve özellik seçimi
Bu egzersizde, film yorumu duygu analizine ait veri kümesinde L1 düzenlileştirme kullanarak özellik seçimi yapacağız. Özellikler ve hedefler senin için X_train ve y_train içinde yüklendi.
Önkoşul derste ele aldığımız scikit-learn GridSearchCV() ile en iyi C değerini arayacağız.
Bu egzersiz
Python'da Lineer Sınıflandırıcılar
kursunun bir parçasıdırEgzersiz talimatları
- L1 düzenlileştirme kullanan bir lojistik regresyon nesnesi oluştur.
- Çapraz doğrulama hatasını en aza indiren
Cdeğerini bul. - Bu
Cdeğeri için seçilen özelliklerin sayısını yazdır.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Specify L1 regularization
lr = LogisticRegression(solver='liblinear', ____)
# Instantiate the GridSearchCV object and run the search
searcher = GridSearchCV(lr, {'C':[0.001, 0.01, 0.1, 1, 10]})
searcher.fit(X_train, y_train)
# Report the best parameters
print("Best CV params", searcher.best_params_)
# Find the number of nonzero coefficients (selected features)
best_lr = searcher.best_estimator_
coefs = best_lr.____
print("Total number of features:", coefs.size)
print("Number of selected features:", np.count_nonzero(coefs))