Hasil model Lasso
Sekarang setelah Anda melatih model Lasso, Anda akan menilai kapasitas prediksinya (\(R^2\)) pada himpunan uji dan menghitung berapa banyak fitur yang diabaikan karena koefisiennya dikurangi menjadi nol.
Himpunan data X_test dan y_test telah dimuat sebelumnya untuk Anda.
Model Lasso() dan StandardScaler() telah diinstansiasi masing-masing sebagai la dan scaler serta keduanya telah dipasang (fitted) pada data pelatihan.
Latihan ini adalah bagian dari kursus
Pengurangan Dimensi dengan Python
Petunjuk latihan
- Transformasikan himpunan uji dengan skaler yang sudah dipasang sebelumnya.
- Hitung nilai \(R^2\) pada data uji yang telah diskalakan.
- Buat daftar yang berisi nilai True ketika koefisien sama dengan 0.
- Hitung total jumlah fitur dengan koefisien 0.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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.")