Výsledky Lasso modelu
Teď, když máš Lasso model natrénovaný, změříš jeho predikční schopnost (\(R^2\)) na testovací sadě a zjistíš, kolik příznaků je ignorováno, protože jejich koeficient byl zredukován na nulu.
Datasets X_test a y_test jsou pro tebe předpřipraveny.
Model Lasso() a StandardScaler() jsou inicializovány jako la a scaler a oba byly natrénováni na trénovacích datech.
Toto cvičení je součástí kurzu
Redukce dimenzionality v Pythonu
Pokyny k cvičení
- Transformuj testovací sadu pomocí předem natrénovaného scaleru.
- Vypočítej hodnotu \(R^2\) na standardizovaných testovacích datech.
- Vytvoř seznam s hodnotami True tam, kde se koeficienty rovnají 0.
- Zjisti celkový počet příznaků s koeficientem rovným 0.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Transform the test set with the pre-fitted scaler
X_test_std = scaler.____
# Calculate the coefficient of determination (R squared) on X_test_std
r_squared = la.____(____, ____)
print(f"The model can predict {r_squared:.1%} of the variance in the test set.")
# Create a list that has True values when coefficients equal 0
zero_coef = la.____ == ____
# Calculate how many features have a zero coefficient
n_ignored = sum(____)
print(f"The model has ignored {n_ignored} out of {len(la.coef_)} features.")