Vytvoření LASSO regresoru
Budeš pracovat s numerickým datasetem tělesných měření ANSUR a pomocí předem importovaného regresoru Lasso() se pokusíš předpovědět index tělesné hmotnosti (BMI). BMI se odvozuje z výšky a váhy, ale tyto dva příznaky byly z datasetu odstraněny, aby to pro model bylo trochu náročnější.
Data nejprve standardizuješ pomocí StandardScaler(), který je pro tebe připraven jako scaler — díky tomu budou všechny koeficienty čelit srovnatelné regularizační síle.
Všechny potřebné funkce, třídy a vstupní datasety X a y jsou předem načteny.
Toto cvičení je součástí kurzu
Redukce dimenzionality v Pythonu
Pokyny k cvičení
- Nastav velikost testovací sady na 30 %, čímž získáš rozdělení 70/30 % na trénovací a testovací část.
- Natrénuj scaler na trénovacích příznacích a hned je transformuj.
- Vytvoř model Lasso.
- Natrénuj ho na škálovaných trénovacích datech.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Set the test size to 30% to get a 70-30% train test split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=____, random_state=0)
# Fit the scaler on the training features and transform these in one go
X_train_std = scaler.____
# Create the Lasso model
la = ____()
# Fit it to the standardized training data
la.____