Selekcja cech na podstawie ich ważności
W poprzednim ćwiczeniu poznałeś(-aś) metody filtrowania i opakowywania przydatne podczas selekcji cech w uczeniu maszynowym – zarówno w praktyce, jak i na rozmowach kwalifikacyjnych. W tym ćwiczeniu przećwiczysz selekcję cech z wykorzystaniem wbudowanego mechanizmu ważności cech w algorytmach uczenia maszynowego opartych na drzewach decyzyjnych, na zbiorze danych diabetes.
Chociaż na DataCamp jest czas i miejsce tylko na kilka z tych metod, scikit-learn oferuje świetną dokumentację opisującą wiele innych sposobów selekcji cech.
Macierz cech i wektor docelowy są zapisane w twoim obszarze roboczym odpowiednio jako X i y.
Pamiętaj, że selekcja cech jest krokiem wstępnego przetwarzania danych:
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import
from sklearn.ensemble import ____
# Instantiate
rf_mod = ____(max_depth=2, random_state=123,
n_estimators=100, oob_score=True)
# Fit
rf_mod.____(____, ____)
# Print
print(diabetes.columns)
print(rf_mod.____)