특성 선택
모델링을 준비할 때, 예측(또는 진단)의 근거가 될 유용한 특성 집합을 갖추는 것이 중요해요. 유용하려면, 특성이 심장 질환 데이터셋의 핵심 특성을 서로 독립적으로 잘 포착해야 합니다. 데이터가 많다고 항상 더 좋은 것은 아니에요!
sklearn.feature_selection.SelectFromModel 모듈을 사용해 유용한 특성을 선택할 수 있어요. SelectFromModel은 RandomForestClassifier 모델을 사용해 심장 질환 진단 작업에 가장 중요한 특성을 찾아내는 브루트포스 방식을 구현합니다.
RandomForestClassifier는 이미 가져왔고, 심장 질환 데이터의 특성과 타깃은 각각 X_train과 y_train으로 불러와져 있어요.
이 연습은 강의의 일부입니다
엔드 투 엔드 Machine Learning
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
from sklearn.feature_selection import SelectFromModel
# Define the random forest model and fit to the training data
rf = ____(____=____, ____=____, ____=____)
rf.____(____, ____)