Resultados do modelo Lasso
Agora que você treinou o modelo Lasso, você vai avaliar sua capacidade preditiva (\(R^2\)) no conjunto de teste e contar quantas features são ignoradas porque seu coeficiente foi reduzido a zero.
Os conjuntos X_test e y_test já foram pré-carregados para você.
O modelo Lasso() e o StandardScaler() foram instanciados como la e scaler, respectivamente, e ambos foram ajustados aos dados de treino.
Este exercício faz parte do curso
Redução de Dimensionalidade em Python
Instruções do exercício
- Transforme o conjunto de teste com o scaler já ajustado.
- Calcule o valor de \(R^2\) nos dados de teste escalonados.
- Crie uma lista que tenha valores True quando os coeficientes forem iguais a 0.
- Calcule o número total de features com coeficiente igual a 0.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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.")