Criando um regressor LASSO
Você vai trabalhar com o conjunto de dados numérico de medidas corporais ANSUR para prever o Índice de Massa Corporal (BMI) de uma pessoa usando o regressor Lasso() já importado. O BMI é uma métrica derivada da altura e do peso, mas essas duas features foram removidas do conjunto de dados para deixar o desafio mais interessante para o modelo.
Primeiro, você vai padronizar os dados usando o StandardScaler(), que já foi instanciado como scaler, para garantir que todos os coeficientes sofram uma força de regularização comparável tentando reduzi-los.
Todas as funções e classes necessárias, além dos conjuntos de entrada X e y, já foram carregados.
Este exercício faz parte do curso
Redução de Dimensionalidade em Python
Instruções do exercício
- Defina o tamanho do teste como 30% para obter uma divisão de treino-teste de 70-30%.
- Ajuste o scaler nas features de treino e transforme-as de uma vez com
fit_transform. - Crie o modelo Lasso.
- Ajuste-o aos dados de treino escalonados.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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.____