Tworzenie regresora LASSO
Będziesz pracować na numerycznym zbiorze danych ANSUR zawierającym pomiary ciała, aby przewidzieć wskaźnik masy ciała (BMI) danej osoby – z użyciem wstępnie zaimportowanego regresora Lasso(). BMI jest wskaźnikiem obliczanym na podstawie wzrostu i wagi, jednak te dwie cechy zostały usunięte ze zbioru danych, żeby zadanie było trudniejsze dla modelu.
Na początku przeprowadzisz standaryzację danych za pomocą StandardScaler(), który został już zainicjowany jako scaler. Dzięki temu wszystkie współczynniki będą poddane porównywalnej sile regularyzacji dążącej do ich zmniejszenia.
Wszystkie potrzebne funkcje i klasy oraz wejściowe zbiory danych X i y zostały wstępnie załadowane.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Instrukcje do ćwiczenia
- Ustaw rozmiar zbioru testowego na 30%, aby uzyskać podział treningowo-testowy w proporcji 70–30%.
- Dopasuj skaler do cech treningowych i przeprowadź ich transformację w jednym kroku.
- Utwórz model Lasso.
- Dopasuj go do wyskalowanych danych treningowych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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.____