Lasso và chọn feature có hệ số khác 0
Hiểu L1 regularization có thể đẩy hệ số về 0 và dùng đó để chọn feature.
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: Ridge alpha, coefficient, absolute value.
Nội dung đề bài
Mục tiêu kiến thức
Hiểu L1 regularization có thể đẩy hệ số về 0 và dùng đó để chọn feature.
Mô tả bài toán
Đây là bài số 343 trong tầng Hồi quy bằng scikit-learn. Bài dùng thư viện sklearn.linear_model.Lasso trên dữ liệu nhỏ, cố định và chạy CPU; mục tiêu là hiểu workflow chứ không bắt học viên tự viết lại thư viện.
Yêu cầu
Fit Lasso với alpha cho trước, trả coefficient, các index có hệ số khác 0 và intercept.
def lasso_feature_selection(X, y, alpha):Input
X là ma trận số, y là target, alpha là số dương.
Output
Dictionary coefficients, selected_indices và intercept.
Ràng buộc
Feature được chọn khi trị tuyệt đối coefficient lớn hơn 1e-8; giữ index theo thứ tự cột.
Ví dụ
Giải thích
Nếu y chỉ phụ thuộc cột 0, selected_indices phải chỉ còn [0].
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.