Pemilihan fitur melalui feature importance
Pada latihan sebelumnya, Anda mempraktikkan bagaimana metode filter dan wrapper dapat berguna saat memilih fitur dalam Machine Learning, termasuk dalam wawancara Machine Learning. Pada latihan ini, Anda akan mempraktikkan metode pemilihan fitur menggunakan feature importance bawaan pada algoritma Machine Learning berbasis pohon pada DataFrame diabetes.
Walaupun di DataCamp Anda hanya berlatih dengan beberapa di antaranya, tersedia dokumentasi yang sangat baik di situs scikit-learn yang membahas berbagai cara lain untuk memilih fitur.
Matriks fitur dan array target telah disimpan di workspace Anda sebagai X dan y.
Ingat bahwa pemilihan fitur dianggap sebagai langkah prapemrosesan:
Latihan ini merupakan bagian dari kursus
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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.____)