เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้าง LASSO regressor

ในแบบฝึกหัดนี้ จะใช้ชุดข้อมูลการวัดร่างกาย ANSUR เพื่อพยากรณ์ค่าดัชนีมวลกาย (BMI) ของบุคคล โดยใช้ Lasso() regressor ที่โหลดไว้ให้แล้ว BMI เป็นค่าที่ได้จากส่วนสูงและน้ำหนัก แต่ทั้งสอง feature นี้ถูกนำออกจากชุดข้อมูลเพื่อเพิ่มความท้าทายให้กับโมเดล

ก่อนอื่นให้ทำการ standardize ข้อมูลด้วย StandardScaler() ที่สร้างไว้ให้แล้วในชื่อ scaler เพื่อให้ค่าสัมประสิทธิ์ทุกตัวได้รับแรง regularization ที่เทียบเคียงกันได้

ฟังก์ชัน คลาส และชุดข้อมูล input ทั้งหมด ได้แก่ X และ y ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การลดมิติข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด test size เป็น 30% เพื่อแบ่งข้อมูลแบบ 70-30% สำหรับ train และ test
  • Fit scaler บน feature ชุด training แล้ว transform ในคำสั่งเดียวกัน
  • สร้างโมเดล Lasso
  • Fit โมเดลกับข้อมูล training ที่ผ่านการ scale แล้ว

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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.____
แก้ไขและรันโค้ด