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 dimension spectaculaire. Utilisons deux autres modèles pour sélectionner les 10 caractéristiques qu’ils jugent les plus importantes avec le Recursive Feature Eliminator (RFE).
Les données d’entraînement et de test standardisées ont été préchargées sous les noms X_train, X_test, y_train et y_test.
Cet exercice fait partie du cours
Réduction de dimension en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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)