Eliminación recursiva de características automática
Ahora vamos a automatizar este proceso recursivo. Envuelve un eliminador recursivo de características (RFE) alrededor de nuestro estimador de regresión logística y pásale el número de características deseadas.
Todas las funciones y paquetes necesarios ya están precargados y las características se han escalado por ti.
Este ejercicio forma parte del curso
Reducción de dimensionalidad en Python
Instrucciones del ejercicio
- Crea el RFE con un estimador
LogisticRegression()y 3 características a seleccionar. - Imprime las características y su ranking.
- Imprime las características que no se eliminan.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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.")