多重共線性技巧－特徵工程

多重共線性是在各種機器學習情境中常見、且可能影響模型效能的議題。能清楚說明這個細節，會讓你對模型的解釋從不錯提升到更到位，並在面試中脫穎而出。

在這個練習中，你將先使用 diabetes 資料集以線性迴歸建立基準模型，並探索部分輸出評估指標。接著，你會練習以視覺化方式檢視自變數之間的相關性，最後對兩個高度相關的變數進行特徵工程。

在前兩個步驟中，請使用已匯入工作環境的 X_train、X_test、y_train 和 y_test。

此外，所有相關套件都已為你匯入：pandas 作為 pd、sklearn.model_selection 的 train_test_split、sklearn.linear_model 的 LinearRegression、sklearn.metrics 的 mean_squared_error 與 r2_score，以及 matplotlib.pyplot 作為 plt 和 seaborn 作為 sns。

本練習屬於課程

用 Python 練習機器學習面試題

檢視課程

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。

# Instantiate, fit, predict
lin_mod = ____()
lin_mod.____(____, ____)
y_pred = lin_mod.____(____)

# Coefficient estimates
print('Coefficients: \n', lin_mod.____)

# Mean squared error
print("Mean squared error: %.2f"
      % ____(____, ____))

# Explained variance score
print('R_squared score: %.2f' % ____(____, ____))

編輯並執行程式碼