Variables à faible variance
Dans l’exercice précédent, vous avez déterminé que 0,001 est un bon seuil pour filtrer les variables à faible variance dans head_df après normalisation. Utilisez maintenant le sélecteur de variables VarianceThreshold pour supprimer ces variables.
Cet exercice fait partie du cours
Réduction de dimension en Python
Instructions
- Créez le sélecteur avec un seuil de 0,001.
- Normalisez le DataFrame
head_dfen le divisant par ses valeurs moyennes, puis ajustez le sélecteur. - Créez un masque booléen à partir du sélecteur avec
.get_support(). - Créez un DataFrame réduit en passant le masque à la méthode
.loc[].
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
from sklearn.feature_selection import VarianceThreshold
# Create a VarianceThreshold feature selector
sel = ____(threshold=____)
# Fit the selector to normalized head_df
sel.fit(____ / ____)
# Create a boolean mask
mask = sel.____
# Apply the mask to create a reduced DataFrame
reduced_df = head_df.loc[____, ____]
print(f"Dimensionality reduced from {head_df.shape[1]} to {reduced_df.shape[1]}.")