正規化回歸：Ridge
Ridge 回歸透過計算模型參數的「平方」乘上 alpha，並將其加到損失函式中，來進行正規化。
在這個練習中，你將針對一系列不同的 alpha 值來訓練 ridge 回歸模型，並列印它們的 \(R^2\) 分數。你會使用 sales_df 資料集中的所有特徵來預測 "sales"。資料已為你切分為 X_train、X_test、y_train、y_test。
我們已提供名為 alphas 的變數，裡面是一個包含不同 alpha 值的清單，你將迴圈走訪這些值以產生分數。
本練習屬於課程
使用 scikit-learn 進行監督式學習
練習說明
- 匯入
Ridge。 - 實例化
Ridge，並將 alpha 設為alpha。 - 將模型擬合到訓練資料。
- 在每次
ridge的迭代中計算 \(R^2\) 分數。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)