Élimination récursive de caractéristiques automatique
Automatisons maintenant ce processus récursif. Encapsulez un éliminateur récursif de caractéristiques (RFE) autour de notre estimateur de régression logistique et indiquez-lui le nombre de caractéristiques souhaité.
Toutes les fonctions et bibliothèques nécessaires ont été préchargées et les caractéristiques ont été normalisées pour vous.
Cette activité fait partie du cours
Réduction de dimensionnalité en Python
Instructions de l’exercice
- Créez le RFE avec un estimateur
LogisticRegression()et 3 caractéristiques à sélectionner. - Affichez les caractéristiques et leur classement.
- Affichez les caractéristiques qui ne sont pas éliminées.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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.")