JuniorТеорияЧасто

Что выведет эта программа?

Python

import numpy as np
from sklearn.linear_model import Ridge

X = np.array([[1.0], [2.0], [3.0], [4.0]])
y = np.array([2.0, 4.0, 6.0, 8.0])
weak = Ridge(alpha=0.01).fit(X, y)
strong = Ridge(alpha=100.0).fit(X, y)
print(round(weak.coef_[0], 2), round(strong.coef_[0], 2))

2.0 0.1

Ждать 2.0 2.0, раз точки лежат точно на прямой: штраф растёт вместе с alpha и тянет наклон к нулю даже при идеальной подгонке.
Ждать 0.0 у сильной модели: штраф L2 в Ridge уменьшает коэффициент, но ровно нулевым его не делает, поэтому он остаётся 0.1.

Как изменится свободный член у strong, если Ridge его не штрафует?
Какое alpha лучше сработает на новых данных и как бы вы его выбрали?

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 Ridge

X = np.array([[1.0], [2.0], [3.0], [4.0]])
y = np.array([2.0, 4.0, 6.0, 8.0])
weak = Ridge(alpha=0.01).fit(X, y)
strong = Ridge(alpha=100.0).fit(X, y)
print(round(weak.coef_[0], 2), round(strong.coef_[0], 2))

2.0 0.1

Ждать 2.0 2.0, раз точки лежат точно на прямой: штраф растёт вместе с alpha и тянет наклон к нулю даже при идеальной подгонке.
Ждать 0.0 у сильной модели: штраф L2 в Ridge уменьшает коэффициент, но ровно нулевым его не делает, поэтому он остаётся 0.1.

Как изменится свободный член у strong, если Ridge его не штрафует?
Какое alpha лучше сработает на новых данных и как бы вы его выбрали?

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