Modelos em ensemble para votos extras
O modelo LassoCV() selecionou 22 de 32 variáveis. Nada mal, mas também não é uma redução de dimensionalidade espetacular. Vamos usar mais dois modelos para selecionar as 10 variáveis que eles consideram mais importantes usando o Eliminador Recursivo de Atributos (RFE).
Os dados padronizados de treino e teste já foram carregados como X_train, X_test, y_train e y_test.
Este exercício faz parte do curso
Redução de Dimensionalidade em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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)