Recursive Feature Elimination met random forests
Je wikkelt een Recursive Feature Eliminator om een random forest-model om stap voor stap features te verwijderen. Deze methode is voorzichtiger dan het selecteren van features na één enkele importantiedrempel, omdat het verwijderen van één feature de relatieve importanties van de anderen kan beïnvloeden.
Je hebt deze vooraf ingeladen gegevenssets nodig: X, X_train, y_train.
Functies en klassen die al voor je zijn ingeladen: RandomForestClassifier(), RFE(), train_test_split().
Deze oefening maakt deel uit van de cursus
Dimensionality Reduction in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Wrap the feature eliminator around the random forest model
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)