Creare un regressore LASSO
Lavorerai sul dataset numerico delle misurazioni corporee ANSUR per prevedere il Body Mass Index (BMI) di una persona usando il regressore Lasso() già importato. Il BMI è un indicatore derivato da altezza e peso corporeo, ma queste due feature sono state rimosse dal dataset per mettere alla prova il modello.
Prima standardizzerai i dati usando StandardScaler(), già istanziato come scaler, per assicurarti che tutti i coefficienti subiscano una forza di regolarizzazione comparabile che tenda a ridurli.
Tutte le funzioni e classi necessarie, oltre ai dataset di input X e y, sono già state precaricate.
Questo esercizio fa parte del corso
Riduzione della dimensionalità in Python
Istruzioni dell'esercizio
- Imposta la dimensione del test al 30% per ottenere uno split train-test 70-30%.
- Adatta lo scaler sulle feature di training e trasformale in un'unica operazione.
- Crea il modello Lasso.
- Addestralo sui dati di training scalati.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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.____