JuniorТеорияЧасто

Что выведет эта программа?

Python

import numpy as np
from sklearn.linear_model import Lasso, Ridge

X = np.array([[1, 5], [2, 1], [3, 4], [4, 2], [5, 3]])
y = np.array([2, 4, 6, 8, 10])
ridge = Ridge(alpha=1.0).fit(X, y)
lasso = Lasso(alpha=1.0).fit(X, y)
print(int((ridge.coef_ == 0).sum()), int((lasso.coef_ == 0).sum()))

0 1

Ждать 0 0: штраф L1 в Lasso делает ровно нулевым коэффициент второго столбца, который не помогает предсказать y.
Ждать 1 1: штраф L2 в Ridge тянет все коэффициенты к нулю, но ровно нулевым не делает ни один.

Что произойдёт с первым коэффициентом Lasso, если и дальше увеличивать alpha?
Почему признаки нужно масштабировать до того, как применять любой из штрафов?

Назад к вопросам Открыть тему в роадмапе →Ответь сам — Quiz

Назад к вопросам

JuniorТеорияЧасто

Что выведет эта программа?

Python

import numpy as np
from sklearn.linear_model import Lasso, Ridge

X = np.array([[1, 5], [2, 1], [3, 4], [4, 2], [5, 3]])
y = np.array([2, 4, 6, 8, 10])
ridge = Ridge(alpha=1.0).fit(X, y)
lasso = Lasso(alpha=1.0).fit(X, y)
print(int((ridge.coef_ == 0).sum()), int((lasso.coef_ == 0).sum()))

0 1

Ждать 0 0: штраф L1 в Lasso делает ровно нулевым коэффициент второго столбца, который не помогает предсказать y.
Ждать 1 1: штраф L2 в Ridge тянет все коэффициенты к нулю, но ровно нулевым не делает ни один.

Что произойдёт с первым коэффициентом Lasso, если и дальше увеличивать alpha?
Почему признаки нужно масштабировать до того, как применять любой из штрафов?

Назад к вопросам Открыть тему в роадмапе →Ответь сам — Quiz