特徴量重要度による特徴量選択

前の演習では、Machine Learning で特徴量を選択する際に、フィルタ法やラッパー法がどのように役立つかを練習しました。今回は、diabetes データフレームを使って、木ベースの Machine Learning アルゴリズムに組み込まれている特徴量重要度を用いた特徴量選択を実践します。

DataCamp では一部しか扱えませんが、scikit-learn の公式サイトには他の特徴量選択法について詳しいドキュメントがあります。

特徴量行列と目的変数配列は、それぞれ X と y としてワークスペースに保存されています。

特徴量選択は前処理ステップの一部であることを思い出してください。 Machine learning pipeline

この演習はコースの一部です

Pythonで学ぶMachine Learning面接対策

コースを見る

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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.____)

コードを編集して実行