Lasso 모델 결과
이제 Lasso 모델을 학습했으니, 테스트 세트에서 예측 성능(\(R^2\))을 계산하고, 계수가 0으로 줄어들어 무시된 특성이 몇 개인지도 세어 보세요.
X_test와 y_test 데이터셋은 미리 로드되어 있어요.
Lasso() 모델과 StandardScaler()는 각각 la, scaler로 인스턴스화되어 있으며, 둘 다 학습 데이터에 맞춰져 있어요.
이 연습은 강의의 일부입니다
Python으로 배우는 차원 축소
연습 안내
- 미리 학습된 스케일러로 테스트 세트를 변환하세요.
- 스케일된 테스트 데이터에서 \(R^2\) 값을 계산하세요.
- 계수가 0인 경우에 True가 들어가도록 리스트를 만드세요.
- 계수가 0인 특성의 총 개수를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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.")