Feature importance के ज़रिए feature selection
पिछले अभ्यास में, आपने सीखा था कि मशीन लर्निंग में फीचर चुनते समय filter और wrapper मेथड्स कैसे काम आते हैं, और मशीन लर्निंग इंटरव्यू में इन्हें कैसे समझाया जा सकता है। इस अभ्यास में, आप diabetes DataFrame पर ट्री-आधारित मशीन लर्निंग एल्गोरिदम में मौजूद बिल्ट-इन feature importance का उपयोग करके feature selection का अभ्यास करेंगे.
हालाँकि DataCamp पर हम केवल कुछ तरीकों का अभ्यास कर पाएँगे, लेकिन scikit-learn की वेबसाइट पर बेहतरीन documentation उपलब्ध है जो फीचर चुनने के कई और तरीकों को कवर करती है.
फ़ीचर मैट्रिक्स और टारगेट एरे क्रमशः X और y नाम से आपके वर्कस्पेस में सेव हैं.
ध्यान रखें कि feature selection एक pre-processing स्टेप माना जाता है:
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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.____)