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