Seleção de atributos por importância de atributos
No último exercício, você praticou como os métodos de filtro e de invólucro podem ajudar na seleção de atributos em Machine Learning e em entrevistas de Machine Learning. Neste exercício, você vai praticar métodos de seleção de atributos usando a importância de atributos integrada em algoritmos baseados em árvores no DataFrame diabetes.
Embora aqui no DataCamp haja tempo e espaço para praticar apenas alguns deles, há uma excelente documentação no site do scikit-learn que apresenta várias outras formas de selecionar atributos.
A matriz de atributos e o vetor-alvo estão salvos no seu ambiente como X e y, respectivamente.
Lembre-se de que a seleção de atributos é considerada uma etapa de pré-processamento:
Este exercício faz parte do curso
Praticando perguntas de entrevista de Machine Learning em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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.____)