特徴量重要度を使ってデータを縮約する

完全なランダムフォレストモデルを作成できたので、次は特徴量重要度を確認していきます。

ランダムフォレストは自然に（ただし暗黙的に）特徴量選択を行いますが、それでもモデルを縮約して構築すると有利なことが多いです。縮約モデルは学習が速く、予測計算も速く、理解・運用がしやすくなります。もちろん、モデルの単純さと性能の間には常にトレードオフがあります。

この演習では、データセットを縮約します。次の演習で、縮約モデルを当てはめ、完全モデルと性能を比較します。rf_fit、train、test は用意されています。