Rekurencyjna eliminacja cech z lasami losowymi
Opakujesz rekurencyjny eliminator cech wokół modelu lasu losowego, aby usuwać cechy krok po kroku. Ta metoda jest bardziej zachowawcza w porównaniu z wyborem cech na podstawie pojedynczego progu ważności – usunięcie jednej cechy może bowiem wpłynąć na względną ważność pozostałych.
Będziesz potrzebować następujących wstępnie załadowanych zbiorów danych: X, X_train, y_train.
Wstępnie załadowane funkcje i klasy to: RandomForestClassifier(), RFE(), train_test_split().
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Wrap the feature eliminator around the random forest model
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)