Automatická rekurzivní eliminace příznaků
Teď tento rekurzivní proces zautomatizujeme. Obal logistický regresní estimátor do Recursive Feature Eliminator (RFE) a předej mu požadovaný počet příznaků.
Všechny potřebné funkce a balíčky jsou již načteny a příznaky jsou za tebe normalizovány.
Toto cvičení je součástí kurzu
Redukce dimenzionality v Pythonu
Pokyny k cvičení
- Vytvoř RFE s estimátorem
LogisticRegression()a nastav výběr 3 příznaků. - Vypiš příznaky a jejich pořadí.
- Vypiš příznaky, které nebyly eliminovány.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create the RFE with a LogisticRegression estimator and 3 features to select
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)
# Fits the eliminator to the data
rfe.fit(X_train, y_train)
# Print the features and their ranking (high = dropped early on)
print(dict(zip(X.columns, rfe.____)))
# Print the features that are not eliminated
print(X.columns[rfe.____])
# Calculates the test set accuracy
acc = accuracy_score(y_test, rfe.predict(X_test))
print(f"{acc:.1%} accuracy on test set.")