Regresi teratur

Supervised Learning dengan scikit-learn

George Boorman

Core Curriculum Manager, DataCamp

Mengapa melakukan regularisasi?

  • Ingat: Regresi linear meminimalkan fungsi loss

  • Memilih koefisien, $a$, untuk tiap fitur, plus $b$

  • Koefisien besar dapat menyebabkan overfitting

  • Regularisasi: Memberi penalti pada koefisien besar

Supervised Learning dengan scikit-learn

Regresi ridge

  • Fungsi loss = OLS + $$ \alpha * \sum_{i=1}^{n} {a_i}^2$$

  • Ridge memberi penalti pada koefisien besar, positif atau negatif

  • $\alpha$: parameter yang harus dipilih

  • Memilih $\alpha$ mirip memilih k pada KNN

  • Hyperparameter: variabel untuk mengoptimalkan parameter model

  • $\alpha$ mengontrol kompleksitas model

    • $\alpha$ = 0 = OLS (dapat menyebabkan overfitting)

    • $\alpha$ sangat tinggi: dapat menyebabkan underfitting

Supervised Learning dengan scikit-learn

Regresi ridge di scikit-learn

from sklearn.linear_model import Ridge

scores = []
for alpha in [0.1, 1.0, 10.0, 100.0, 1000.0]:

    ridge = Ridge(alpha=alpha)

    ridge.fit(X_train, y_train)
    y_pred = ridge.predict(X_test)

    scores.append(ridge.score(X_test, y_test))

print(scores)

[0.2828466623222221, 0.28320633574804777, 0.2853000732200006, 
 0.26423984812668133, 0.19292424694100963]
Supervised Learning dengan scikit-learn

Regresi lasso

  • Fungsi loss = OLS + $$ \alpha * \sum_{i=1}^{n} |a_i|$$
Supervised Learning dengan scikit-learn

Regresi lasso di scikit-learn

from sklearn.linear_model import Lasso

scores = []
for alpha in [0.01, 1.0, 10.0, 20.0, 50.0]:
  lasso = Lasso(alpha=alpha)
  lasso.fit(X_train, y_train)
  lasso_pred = lasso.predict(X_test)
  scores.append(lasso.score(X_test, y_test))
print(scores)

[0.99991649071123, 0.99961700284223, 0.93882227671069, 0.74855318676232, -0.05741034640016]
Supervised Learning dengan scikit-learn

Regresi lasso untuk seleksi fitur

  • Lasso dapat memilih fitur penting dalam dataset

  • Mengecilkan koefisien fitur kurang penting hingga nol

  • Fitur yang tidak menjadi nol dipilih oleh lasso

Supervised Learning dengan scikit-learn

Lasso untuk seleksi fitur di scikit-learn

from sklearn.linear_model import Lasso

X = diabetes_df.drop("glucose", axis=1).values
y = diabetes_df["glucose"].values
names = diabetes_df.drop("glucose", axis=1).columns

lasso = Lasso(alpha=0.1)

lasso_coef = lasso.fit(X, y).coef_

plt.bar(names, lasso_coef)
plt.xticks(rotation=45)
plt.show()
Supervised Learning dengan scikit-learn

Lasso untuk seleksi fitur di scikit-learn

diagram batang koefisien per fitur, hampir semua di sekitar nol kecuali diabetes bernilai 25

Supervised Learning dengan scikit-learn

Ayo berlatih!

Supervised Learning dengan scikit-learn

Preparing Video For Download...