1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning для маркетингу в Python
Connected

Вправа

Визначте оптимальний коефіцієнт штрафу L1

Тепер ви налаштуєте параметр C для регуляризації L1, щоб знайти значення, яке зменшує складність моделі й водночас зберігає хороші показники якості. Ви запустите цикл for по можливих значеннях C, для кожного створите екземпляр логістичної регресії та обчислите метрики якості.

Створено список C з можливими значеннями. Масив l1_metrics зібрано з 3 стовпців: перший містить значення C, наступні два — заповнювачі для кількості ненульових коефіцієнтів і значення recall моделі. Масштабовані ознаки та цільові змінні завантажено як train_X, train_Y для тренування та test_X, test_Y для тестування.

Бібліотеки numpy і pandas завантажено як np і pd, а також функцію recall_score із sklearn.

Інструкції

100 XP
  • Запустіть цикл for у діапазоні від 0 до довжини списку C.
  • Для кожного кандидата C ініціалізуйте та навчіть Logistic Regression і спрогнозуйте відтік на тестових даних.
  • Для кожного кандидата C збережіть кількість ненульових коефіцієнтів і значення recall у другому та третьому стовпцях l1_metrics.
  • Створіть датафрейм pandas із l1_metrics з відповідними назвами стовпців.