Créer un régressseur LassoCV
Vous allez prédire la circonférence du biceps sur un sous-échantillon de l'ensemble de données ANSUR masculin en utilisant le régressseur LassoCV() qui ajuste automatiquement l'intensité de régularisation (valeur alpha) au moyen de la validation croisée.
Les données d'entraînement et de test normalisées ont été préchargées pour vous sous les noms X_train, X_test, y_train et y_test.
Cette activité fait partie du cours
Réduction de dimensionnalité en Python
Instructions de l’exercice
- Créez et ajustez le modèle LassoCV sur l'ensemble d'entraînement.
- Calculez \(R^2\) sur l'ensemble de test.
- Créez un masque pour les coefficients non égaux à zéro.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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')