Результати моделі Lasso
Тепер, коли ви навчили модель Lasso, обчисліть її прогностичну здатність (\(R^2\)) на тестовій вибірці та підрахуйте, скільки ознак ігноровано, тобто їхній коефіцієнт зведено до нуля.
Набори даних X_test і y_test вже завантажено для вас.
Модель Lasso() та StandardScaler() створено як la і scaler відповідно, і обидві були навчені на тренувальних даних.
Ця вправа є частиною курсу
Зменшення розмірності в Python
Інструкції до вправи
- Трансформуйте тестову вибірку за допомогою попередньо навченого масштабатора.
- Обчисліть значення \(R^2\) на масштабованих тестових даних.
- Створіть список, у якому значення True стоїть там, де коефіцієнт дорівнює 0.
- Обчисліть загальну кількість ознак із коефіцієнтом 0.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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.")