Створення регресора LASSO
Ви працюватимете з числовим набором вимірювань тіла ANSUR, щоб передбачити індекс маси тіла (BMI) людини за допомогою попередньо імпортованого регресора Lasso(). BMI — це метрика, обчислена на основі зросту та ваги, але ці дві ознаки вилучено з набору даних, щоб ускладнити завдання для моделі.
Спершу стандартуйте дані за допомогою StandardScaler(), який уже створено для вас як scaler, щоб усі коефіцієнти відчували порівнювану силу регуляризації, що намагається зменшити їхні значення.
Усі необхідні функції та класи, а також вхідні набори даних X і y уже завантажено.
Ця вправа є частиною курсу
Зменшення розмірності в Python
Інструкції до вправи
- Встановіть розмір тестової вибірки 30%, щоб отримати розбиття тренувальна/тестова 70–30%.
- Навчіть scaler на тренувальних ознаках і перетворіть їх одним викликом.
- Створіть модель Lasso.
- Навчіть її на масштабованих тренувальних даних.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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.____