Ensemble modely pro další hlasy
Model LassoCV() vybral 22 z 32 příznaků. Není to špatné, ale ani žádné zázračné snížení dimenzionality. Pojďme použít další dva modely, které vyberou 10 příznaků považovaných za nejdůležitější – pomocí rekurzivní eliminace příznaků (RFE).
Standardizovaná trénovací a testovací data jsou předem načtena jako X_train, X_test, y_train a y_test.
Toto cvičení je součástí kurzu
Redukce dimenzionality v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from sklearn.feature_selection import RFE
from sklearn.ensemble import GradientBoostingRegressor
# Select 10 features with RFE on a GradientBoostingRegressor, drop 3 features on each step
rfe_gb = RFE(estimator=____,
n_features_to_select=____, step=____, verbose=1)
rfe_gb.fit(X_train, y_train)