Modèles d'ensemble pour des votes supplémentaires
Le modèle LassoCV() a sélectionné 22 caractéristiques sur 32. Pas mal, mais ce n'est pas une réduction de dimensionnalité spectaculaire non plus. Utilisons deux autres modèles pour sélectionner les 10 caractéristiques qu'ils jugent les plus importantes à l'aide de l'outil de sélection récursive de caractéristiques (RFE).
Les données d'entraînement et de test normalisées ont été préchargées pour vous sous X_train, X_test, y_train et y_test.
Cette activité fait partie du cours
Réduction de dimensionnalité en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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)