Lasso モデルの結果
Lasso モデルを学習できたので、テストセットで予測性能（$R^2$）をスコア化し、係数が 0 に縮まったために無視された特徴量がいくつあるか数えます。
X_test と y_test のデータセットはあらかじめ読み込まれています。
Lasso() モデルと StandardScaler() はそれぞれ la と scaler としてインスタンス化され、どちらも学習データにフィット済みです。
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
- 事前にフィット済みのスケーラーでテストセットを変換します。
- スケーリング後のテストデータで \(R^2\) を計算します。
- 係数が 0 に等しいときに True となるリストを作成します。
- 係数が 0 の特徴量の総数を計算します。
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。
# 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.")