Příznaky s nízkou variancí

V předchozím cvičení jsi zjistil/a, že hodnota 0,001 je dobrý práh pro odfiltrování příznaků s nízkou variancí v head_df po normalizaci. Teď použij selektor VarianceThreshold k jejich odstranění.

Toto cvičení je součástí kurzu

Redukce dimenzionality v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytvoř selektor na základě variance s prahem 0,001.
Normalizuj DataFrame head_df vydělením jeho průměrnými hodnotami a přizpůsob selektor datům.
Vytvoř booleovskou masku ze selektoru pomocí .get_support().
Vytvoř redukovaný DataFrame předáním masky do metody .loc[].

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

from sklearn.feature_selection import VarianceThreshold

# Create a VarianceThreshold feature selector
sel = ____(threshold=____)

# Fit the selector to normalized head_df
sel.fit(____ / ____)

# Create a boolean mask
mask = sel.____

# Apply the mask to create a reduced DataFrame
reduced_df = head_df.loc[____, ____]

print(f"Dimensionality reduced from {head_df.shape[1]} to {reduced_df.shape[1]}.")

Upravit a spustit kód