Sélection de variables à partir de l'importance des variables
Dans le dernier exercice, vous avez pratiqué l'utilisation des méthodes filtre et enveloppe pour sélectionner des variables en Machine Learning et en entrevue de Machine Learning. Dans celui-ci, vous allez pratiquer des méthodes de sélection de variables à l'aide de l'importance des variables intégrée aux algorithmes d'arbres en Machine Learning, sur le DataFrame diabetes.
Même si nous n'avons le temps et l'espace que pour en pratiquer quelques-unes sur DataCamp, l'excellente documentation du site de scikit-learn présente plusieurs autres façons de sélectionner des variables.
La matrice de caractéristiques et le vecteur cible sont enregistrés dans votre espace de travail sous X et y, respectivement.
Rappelez-vous que la sélection de variables est considérée comme une étape de prétraitement :
Cette activité fait partie du cours
S'exercer aux questions d'entrevue en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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.____)