Регуляризація Ridge
У попередній вправі ви попрактикувалися в регуляризації lasso. Якщо на співбесіді з машинного навчання вас запитають про методи регуляризації, важливо розуміти, чим відрізняються дві норми. Lasso використовує норму L1, що відповідає параметру штрафу та абсолютним значенням коефіцієнтів. Ridge-регресія застосовує регуляризацію L2 (також відому як L2-норма), яка додає до методу найменших квадратів штрафний доданок із параметром штрафу та сумою квадратів коефіцієнтів.
У цій вправі ви попрактикуєте регуляризацію з Ridge на датафреймі diabetes. Матриця ознак і цільовий вектор вже збережені у вашому робочому середовищі як X та y відповідно.
Для вас уже імпортовано mean_squared_error з sklearn.metrics і train_test_split з sklearn.model_selection.
Ця вправа є частиною курсу
Практика співбесід з Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____