शुरू करेंमुफ़्त में शुरू करें

एक LASSO रिग्रेसर बनाना

आप न्यूमेरिक ANSUR बॉडी मापों वाले डेटासेट पर काम करेंगे ताकि प्री-इम्पोर्टेड Lasso() रिग्रेसर का उपयोग करके किसी व्यक्ति का बॉडी मास इंडेक्स (BMI) प्रिडिक्ट किया जा सके. BMI शरीर की ऊँचाई और वज़न से निकला एक मेट्रिक है, लेकिन मॉडल को चुनौती देने के लिए ये दोनों फीचर डेटासेट से हटा दिए गए हैं.

आप पहले डेटा को StandardScaler() से स्टैंडर्डाइज़ करेंगे, जिसे आपके लिए scaler नाम से इंस्टैंशिएट किया गया है, ताकि सभी कोएफिशिएंट्स पर समान प्रकार की रेग्युलराइज़िंग फोर्स लागू हो जो उन्हें छोटा करने की कोशिश करती है.

सभी ज़रूरी फंक्शंस और क्लासेज़, साथ ही इनपुट डेटासेट X और y, पहले से लोड किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Dimensionality Reduction

पाठ्यक्रम देखें

अभ्यास निर्देश

  • टेस्ट साइज 30% सेट करें ताकि 70-30% का ट्रेन-टेस्ट स्प्लिट मिले.
  • स्केलर को ट्रेनिंग फीचर्स पर फिट करें और इन्हें एक ही स्टेप में ट्रांसफॉर्म करें.
  • Lasso मॉडल बनाएँ.
  • इसे स्केल किए हुए ट्रेनिंग डेटा पर फिट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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.____
कोड संपादित करें और चलाएँ