建立 LASSO 迴歸器
你將使用 ANSUR 的數值型身體量測資料集，透過已匯入的 Lasso() 迴歸器來預測個人的身體質量指數（BMI）。BMI 是由身高與體重推導而來的指標，但為了增加模型挑戰，這兩項特徵已從資料集中移除。
你會先使用已為你建立的 StandardScaler()（命名為 scaler）來標準化資料，確保所有係數都面臨可比較的正規化壓力，將其拉低。
所有必要的函式與類別，以及輸入資料集 X 與 y 都已預先載入。
本練習屬於課程
Python 的降維
練習說明
- 將測試集比例設為 30%，得到 70-30％ 的訓練／測試切分。
- 對訓練特徵擬合 scaler，並一次完成擬合與轉換。
- 建立 Lasso 模型。
- 將模型擬合到經過縮放的訓練資料上。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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.____