正则化回归：Ridge
岭回归通过计算模型参数的「平方」并乘以 alpha，然后将其加入损失函数来进行正则化。
在本练习中，您将针对一系列不同的 alpha 值拟合岭回归模型，并打印它们的 \(R^2\) 分数。您将使用 sales_df 数据集中的所有特征来预测 "sales"。数据已为您拆分为 X_train、X_test、y_train、y_test。
已提供名为 alphas 的变量，其中包含不同的 alpha 值。您将通过循环这些值来生成分数。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 导入
Ridge。 - 实例化
Ridge，将 alpha 设为alpha。 - 将模型拟合到训练数据。
- 在每次迭代中计算
ridge的 \(R^2\) 分数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)