用于特征重要性的 Lasso 回归
在视频中，您看到如何使用 Lasso 回归来识别数据集中的重要特征。
在本练习中，您将对 sales_df 数据拟合一个 Lasso 回归模型，并绘制模型的系数。
特征和目标变量数组已预加载为 X 和 y，同时提供了 sales_columns，其中包含数据集的特征名称。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 从
sklearn.linear_model导入Lasso。 - 以
alpha为0.3实例化一个 Lasso 回归器。 - 将模型拟合到数据。
- 计算模型的系数，并存为
lasso_coef。
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 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()