Een LASSO-regressor maken
Je werkt met de numerieke ANSUR-lichaamsmetingen om de Body Mass Index (BMI) van een persoon te voorspellen met de vooraf geïmporteerde Lasso()-regressor. BMI is een maatstaf afgeleid van lichaamslengte en -gewicht, maar die twee features zijn uit de gegevensset verwijderd om het model uit te dagen.
Je standardiseert de data eerst met de StandardScaler(), die al voor je is geïnstantieerd als scaler, zodat alle coëfficiënten een vergelijkbare regulariserende kracht ondervinden die ze probeert te verkleinen.
Alle benodigde functies en klassen plus de invoergegevenssets X en y zijn al vooraf geladen.
Deze oefening maakt deel uit van de cursus
Dimensionality Reduction in Python
Oefeninstructies
- Zet de testgrootte op 30% om een 70-30% train-test-split te krijgen.
- Fit de scaler op de trainingsfeatures en transformeer deze in één keer.
- Maak het Lasso-model.
- Train het op de geschaalde trainingsdata.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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.____