Modelos en conjunto para votos extra
El modelo LassoCV() seleccionó 22 de 32 variables. No está mal, pero tampoco es una reducción de dimensionalidad espectacular. Usemos dos modelos más para seleccionar las 10 variables que consideren más importantes usando el eliminador recursivo de características (RFE).
Los datos de entrenamiento y prueba estandarizados ya están precargados como X_train, X_test, y_train y y_test.
Este ejercicio forma parte del curso
Reducción de dimensionalidad en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
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)