Einen LassoCV-Regressor erstellen
Du wirst den Bizepsumfang auf einer Teilmenge des männlichen ANSUR-Datensatzes mit dem Regressor LassoCV() vorhersagen, der die Regularisierungsstärke (Alpha-Wert) automatisch per Cross-Validation abstimmt.
Die standardisierten Trainings- und Testdaten wurden bereits als X_train, X_test, y_train und y_test für dich geladen.
Diese Übung ist Teil des Kurses
Dimensionsreduktion in Python
Anleitung zur Übung
- Erstelle das LassoCV-Modell und fitte es auf dem Trainingsset.
- Berechne \(R^2\) auf dem Testset.
- Erstelle eine Maske für Koeffizienten ungleich null.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
from sklearn.linear_model import LassoCV
# Create and fit the LassoCV model on the training set
lcv = ____
lcv.____
print(f'Optimal alpha = {lcv.alpha_:.3f}')
# Calculate R squared on the test set
r_squared = lcv.____
print(f'The model explains {r_squared:.1%} of the test set variance')
# Create a mask for coefficients not equal to zero
lcv_mask = ____
print(f'{sum(lcv_mask)} features out of {len(lcv_mask)} selected')