Redukce dat pomocí důležitosti příznaků

Teď, když máš hotový úplný model náhodného lesa, se podíváš na důležitost příznaků.

Ačkoli modely náhodného lesa přirozeně — byť implicitně — provádějí výběr příznaků, bývá výhodné sestavit redukovaný model. Takový model se trénuje rychleji, generuje předpovědi rychleji a je snazší ho pochopit i spravovat. Samozřejmě jde vždy o kompromis mezi jednoduchostí a výkonem modelu.

V tomto cvičení datovou sadu zredukovánš. V dalším cvičení natrénuješ redukovaný model a porovnáš jeho výkon s úplným modelem. K dispozici máš rf_fit, train a test.

Balíčky tidyverse, tidymodels a vip jsou už načtené.

Toto cvičení je součástí kurzu

Redukce dimenzionality v R

Zobrazit kurz

Pokyny k cvičení

Pomocí vi() s parametrem rank extrahuj deset nejdůležitějších příznaků.
Přidej cílovou proměnnou zpět do seznamu nejdůležitějších příznaků.
Aplikuj masku nejdůležitějších příznaků a zredukuj datové sady.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Extract the top ten features
top_features <- ___ %>% 
  ___(___ = ___) %>% 
  filter(___) %>% 
  pull(Variable)

# Add the target variable to the feature list
top_features <- c(___, "___")

# Reduce and print the data sets
train_reduced <- train[___]
test_reduced <- ___[___]
train_reduced %>% head(5)
test_reduced %>% head(5)

Upravit a spustit kód