线性回归-正则化

正则化练习

sklearn中有一些类帮助将线性回归正则化。你将练习怎样实现将线性回归正则化。在附件的数据文件 (data.csv)中，你将看到一组数据点，包括6个预测器变量和1个结果变量。使用sklearn 的 Lasso 类，根据这些数据拟合一个线性回归模型，同时还使用L1正则化来控制模型的复杂性。
执行以下步骤：

1.加载数据

数据保存在 ‘data.csv’ 文件中。注意数据文件没有标题行。
把数据拆分为6个预测器变量(前6列)存储在X和1个结果变量(最后一列)存储在y。

2.用Lasso 线性回归拟合数据

创建一个sklearn 的 Lasso 类的实例并把它赋值给变量lasso_reg。你不需要设置任何参数值： 使用练习中的默认值。
使用 Lasso 对象的 .fit() 方法来为这些数据拟合一个回归模型。

3.检验回归模型的系数

用 Lasso对象的 .coef_ 属性获取拟合回归模型的系数。把回归模型的系数存储在变量reg_coef : 点击测试按钮 运行练习后， 将会打印出这些参数，请根据你的观察结果回答后面的问题。

# TODO: Add import statements
import numpy as np
import pandas as pd
from sklearn.linear_model import Lasso

# Assign the data to predictor and outcome variables
# TODO: Load the data
train_data = pd.read_csv('data.csv', header = None)
X = train_data.iloc[:,: