Introduction
Ce laboratoire démontre l'utilisation de l'algorithme de régression Lasso de Scikit-learn sur des données denses et creuses. L'algorithme Lasso est une méthode de régression linéaire qui ajoute une pénalité aux coefficients de régression. Cette pénalité encourage le modèle à produire des coefficients sparsifiés. L'algorithme Lasso est utile dans les situations où le nombre de caractéristiques est important par rapport au nombre d'échantillons.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Notebook pour accéder à Jupyter Notebook pour la pratique.
Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations de Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.