Регресія Lasso для визначення важливості ознак
У відео ви бачили, як регресію Lasso можна використати, щоб визначити важливі ознаки в наборі даних.
У цій вправі ви навчите модель регресії Lasso на даних sales_df і побудуєте графік коефіцієнтів моделі.
Масиви ознак і цільової змінної вже завантажено як X і y, а також sales_columns, де містяться назви ознак набору даних.
Ця вправа є частиною курсу
Кероване навчання зі scikit-learn
Інструкції до вправи
- Імпортуйте
Lassoзsklearn.linear_model. - Створіть регресор Lasso з параметром alpha
0.3. - Навчіть модель на даних.
- Обчисліть коефіцієнти моделі та збережіть їх у
lasso_coef.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import Lasso
from ____.____ import ____
# Instantiate a lasso regression model
lasso = ____
# Fit the model to the data
____
# Compute and print the coefficients
lasso_coef = ____
print(lasso_coef)
plt.bar(sales_columns, lasso_coef)
plt.xticks(rotation=45)
plt.show()