راه
۶ کیو· متوسطمتوسطPYTHON۱۲ ثانیه · ۲۵۶ مگابایت

انتخاب λ با LassoCV

تابع lasso_report(seed) روی داده‌ی دیابت scikit-learn (load_diabetes) این کارها را می‌کند:

  1. داده را با train_test_split(..., random_state=seed) تقسیم می‌کند (بقیه‌ی تنظیم‌ها پیش‌فرض)،
  2. ویژگی‌ها را با StandardScaler استاندارد می‌کند — fit فقط روی داده‌ی آموزش،
  3. روی داده‌ی آموزشِ استانداردشده این مدل را برازش می‌دهد:
python
LassoCV(alphas=np.logspace(-2, 1.5, 40), cv=5, max_iter=100000, tol=1e-10)

(با tol کوچک، بهینه‌سازی تا خود کمینه پیش می‌رود و جواب به نسخه‌ی scikit-learn بستگی ندارد.)

  1. و آرایه‌ای سه‌تایی برمی‌گرداند: alpha_ انتخاب‌شده، تعداد ضرایب غیرصفر مدل نهایی، و R2R^2 روی داده‌ی آزمون.

نام پارامتر λ\lambda در scikit-learn alpha است.

نمونه‌ها

ورودی نمونه ۱
0
خروجی نمونه ۱
[1.7522, 7.0, 0.3561]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود