Créer un régressseur LASSO
Vous allez travailler avec l'ensemble de mesures corporelles numériques ANSUR pour prédire l'indice de masse corporelle (IMC) d'une personne à l'aide du régressseur préimporté Lasso(). L'IMC est une mesure dérivée de la taille et du poids, mais ces deux caractéristiques ont été retirées du jeu de données pour donner un défi au modèle.
Vous allez d'abord normaliser les données en utilisant StandardScaler(), déjà instancié sous le nom scaler, afin que tous les coefficients subissent une force de régularisation comparable qui tend à les réduire.
Toutes les fonctions et classes nécessaires, ainsi que les jeux de données d'entrée X et y, ont été préchargés.
Cette activité fait partie du cours
Réduction de dimensionnalité en Python
Instructions de l’exercice
- Réglez la taille de l'ensemble de test à 30 % pour obtenir une répartition entraînement-test de 70-30 %.
- Ajustez le scaler sur les caractéristiques d'entraînement et transformez-les en une seule étape.
- Créez le modèle Lasso.
- Entraînez-le sur les données d'entraînement mises à l'échelle.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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.____