Modelli ensemble per voti extra
Il modello LassoCV() ha selezionato 22 feature su 32. Niente male, ma non è una riduzione dimensionale spettacolare. Usiamo altri due modelli per selezionare le 10 feature che considerano più importanti usando il Recursive Feature Eliminator (RFE).
I dati di training e test standardizzati sono già stati caricati come X_train, X_test, y_train e y_test.
Questo esercizio fa parte del corso
Riduzione della dimensionalità in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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)