Налаштування сили регуляризації
Ваш поточний Lasso‑модель має показник \(R^2\) 84,7%. Коли регуляризація надто сильна, модель має високий зсув і втрачає прогностичну здатність.
Знайдімо кращий баланс між точністю прогнозу та простотою моделі, підлаштувавши параметр alpha.
Ця вправа є частиною курсу
Зменшення розмірності в Python
Інструкції до вправи
- Знайдіть НАЙБІЛЬШЕ значення
alpha, яке дає \(R^2\) понад 98%, з варіантів:1,0.5,0.1і0.01.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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.")