Eliminazione Ricorsiva delle Caratteristiche automatica
Ora automatizziamo questo processo ricorsivo. Avvolgi un eliminatore ricorsivo di caratteristiche (RFE) attorno al nostro stimatore di regressione logistica e passagli il numero di caratteristiche desiderato.
Tutte le funzioni e i pacchetti necessari sono già stati caricati e le caratteristiche sono state scalate per te.
Questo esercizio fa parte del corso
Riduzione della dimensionalità in Python
Istruzioni dell'esercizio
- Crea l'RFE con uno stimatore
LogisticRegression()e 3 caratteristiche da selezionare. - Stampa le caratteristiche e il loro ranking.
- Stampa le caratteristiche che non vengono eliminate.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create the RFE with a LogisticRegression estimator and 3 features to select
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)
# Fits the eliminator to the data
rfe.fit(X_train, y_train)
# Print the features and their ranking (high = dropped early on)
print(dict(zip(X.columns, rfe.____)))
# Print the features that are not eliminated
print(X.columns[rfe.____])
# Calculates the test set accuracy
acc = accuracy_score(y_test, rfe.predict(X_test))
print(f"{acc:.1%} accuracy on test set.")