Výběr příznaků pomocí jejich důležitosti

V předchozím cvičení sis vyzkoušel/a, jak se dají při výběru příznaků v machine learningu – i na ML pohovorech – využít metody filtrování a obálky. V tomto cvičení si procvičíš výběr příznaků pomocí vestavěné důležitosti příznaků v stromových algoritmech strojového učení na DataFrame diabetes.

I když je na DataCampu prostor jen pro pár z nich, na webu scikit-learn najdeš skvělou dokumentaci popisující celou řadu dalších způsobů výběru příznaků.

Matice příznaků a cílové pole jsou uloženy v pracovním prostoru jako X, resp. y.

Připomeň si, že výběr příznaků se považuje za krok předzpracování dat: Machine learning pipeline

Toto cvičení je součástí kurzu

Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Zobrazit kurz

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import
from sklearn.ensemble import ____

# Instantiate
rf_mod = ____(max_depth=2, random_state=123, 
              n_estimators=100, oob_score=True)

# Fit
rf_mod.____(____, ____)

# Print
print(diabetes.columns)
print(rf_mod.____)

Upravit a spustit kód