Результаты модели Lasso
Теперь, когда модель Lasso обучена, вы оцените её прогностическую способность (\(R^2\)) на тестовой выборке и подсчитаете, сколько признаков модель игнорирует, обнуляя их коэффициенты.
Наборы данных X_test и y_test уже загружены для вас.
Модель Lasso() и StandardScaler() созданы как la и scaler соответственно и оба были обучены на обучающих данных.
Это упражнение является частью курса
Снижение размерности в Python
Инструкции к упражнению
- Преобразуйте тестовую выборку с помощью уже обученного масштабировщика.
- Вычислите значение \(R^2\) на масштабированных тестовых данных.
- Создайте список, в котором значение
Trueсоответствует коэффициентам, равным 0. - Подсчитайте общее количество признаков с коэффициентом, равным 0.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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.")