Resultados del modelo Lasso
Ahora que has entrenado el modelo Lasso, vas a evaluar su capacidad predictiva (\(R^2\)) en el conjunto de prueba y a contar cuántas características se ignoran porque su coeficiente se reduce a cero.
Los conjuntos X_test y y_test ya están precargados para ti.
El modelo Lasso() y el StandardScaler() se han instanciado como la y scaler, respectivamente, y ambos se ajustaron con los datos de entrenamiento.
Este ejercicio forma parte del curso
Reducción de dimensionalidad en Python
Instrucciones del ejercicio
- Transforma el conjunto de prueba con el escalador ya ajustado.
- Calcula el valor de \(R^2\) sobre los datos de prueba escalados.
- Crea una lista que tenga valores True cuando los coeficientes sean 0.
- Calcula el número total de características con coeficiente 0.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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.")