Ejercicio

Empezamos cargando las librerias necesarias

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

from sklearn.linear_model import LinearRegression, Lasso
from sklearn import datasets
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split

Creamos un dataset y lo retocamos, estamos forzando un ejemplo concreto

X, y = make_regression(n_samples=100,n_informative=6, n_features=6, coef=False,noise=100.0, random_state=33, bias=10.5)

df = pd.DataFrame(X)
df[7] = df[5] * 3
df[4] = df[4] + df[3]
df[8] = df[4] / 2

X = df.to_numpy()
print(df.head())

          0         1         2         3         4         5         7  \
0  0.991136  1.630796 -1.900090 -0.111391 -1.232109  0.932722  2.798165
1 -0.325548 -0.538166 -0.261746 -0.220028  0.109686  0.252768  0.758303
2  1.937571  0.338847  1.876973  0.217793  0.086090  0.813308  2.439924
3 -0.960129  0.511255  0.853085 -1.216964 -1.547833 -0.213646 -0.640938
4 -1.352448 -0.613847 -1.060842 -0.222442  0.307362  0.087174  0.261521

          8
0 -0.616054
1  0.054843
2  0.043045
3 -0.773917
4  0.153681

Divide el conjunto en entrenamiento y test :

Crea una regresión Lasso. Visualiza el valor de los coeficientes

Crea una regresión Lineal. Visualiza el valor de los coeficientes

¿Qué puedes observar?

Isaac Lera and Gabriel Moya Universitat de les Illes Balears isaac.lera@uib.edu, gabriel.moya@uib.edu