Cechy o niskiej wariancji
W poprzednim ćwiczeniu ustaliłeś, że wartość 0,001 to dobry próg do odfiltrowania cech o niskiej wariancji w zbiorze head_df po normalizacji. Teraz użyj selektora VarianceThreshold, aby usunąć te cechy.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Instrukcje do ćwiczenia
- Utwórz selektor progu wariancji z wartością progową 0,001.
- Znormalizuj ramkę danych
head_df, dzieląc ją przez wartości średnie, a następnie dopasuj selektor. - Utwórz maskę logiczną z selektora przy użyciu
.get_support(). - Utwórz zredukowaną ramkę danych, przekazując maskę do metody
.loc[].
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from sklearn.feature_selection import VarianceThreshold
# Create a VarianceThreshold feature selector
sel = ____(threshold=____)
# Fit the selector to normalized head_df
sel.fit(____ / ____)
# Create a boolean mask
mask = sel.____
# Apply the mask to create a reduced DataFrame
reduced_df = head_df.loc[____, ____]
print(f"Dimensionality reduced from {head_df.shape[1]} to {reduced_df.shape[1]}.")