LASSO 回帰モデルを作成する
事前にインポートされた Lasso() 回帰器を使って、数値の ANSUR 体計測データセットから個人の BMI（Body Mass Index）を予測します。BMI は身長と体重から算出される指標ですが、モデルに課題を与えるためにこれら2つの特徴量はデータセットから除外されています。
まず StandardScaler()（scaler としてインスタンス化済み）でデータを標準化し、すべての係数に対して、同程度の正則化の圧力がかかるようにします。
必要な関数やクラス、入力データセット X と y はすべて読み込まれています。
この演習はコースの一部です
Pythonで学ぶ次元削減
演習の手順
- テストサイズを 30% に設定して、70-30% の学習・テスト分割にします。
- 学習用の特徴量にスケーラーを適合させ、続けて一度に変換します。
- Lasso モデルを作成します。
- スケーリング済みの学習データに適合させます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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.____