ПочатиПочніть безкоштовно

Регуляризована регресія: Ridge

Гребенева регресія (Ridge) виконує регуляризацію, додаючи до функції втрат значення квадратів параметрів моделі, помножені на alpha.

У цій вправі ви навчите моделі гребеневої регресії для низки різних значень alpha та виведете їхні оцінки \(R^2\). Ви використаєте всі ознаки з набору даних sales_df, щоб прогнозувати "sales". Дані вже розбиті на X_train, X_test, y_train, y_test.

Змінна alphas задана як список із різними значеннями alpha, через які ви пройдете в циклі, щоб згенерувати оцінки.

Ця вправа є частиною курсу

Кероване навчання зі scikit-learn

Переглянути курс

Інструкції до вправи

  • Імпортуйте Ridge.
  • Створіть екземпляр Ridge, встановивши alpha рівною alpha.
  • Навчіть модель на тренувальних даних.
  • Обчисліть оцінку \(R^2\) для кожної ітерації ridge.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import Ridge
from ____.____ import ____
alphas = [0.1, 1.0, 10.0, 100.0, 1000.0, 10000.0]
ridge_scores = []
for alpha in alphas:
  
  # Create a Ridge regression model
  ridge = ____
  
  # Fit the data
  ____
  
  # Obtain R-squared
  score = ____
  ridge_scores.append(score)
print(ridge_scores)
Редагувати та запускати код