Modele zespołowe jako dodatkowe głosy
Model LassoCV() wybrał 22 z 32 cech. Nieźle, ale to nie jest imponująca redukcja wymiarowości. Użyjmy jeszcze dwóch modeli, aby wybrać 10 cech uznanych przez nie za najważniejsze – z pomocą metody rekurencyjnej eliminacji cech (RFE).
Zestandardyzowane dane treningowe i testowe zostały wczytane dla ciebie jako X_train, X_test, y_train i y_test.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from sklearn.feature_selection import RFE
from sklearn.ensemble import GradientBoostingRegressor
# Select 10 features with RFE on a GradientBoostingRegressor, drop 3 features on each step
rfe_gb = RFE(estimator=____,
n_features_to_select=____, step=____, verbose=1)
rfe_gb.fit(X_train, y_train)