Reducerea datelor folosind importanța caracteristicilor

Acum că ai creat un model complet de tip random forest, vei explora importanța caracteristicilor.

Deși modelele random forest realizează selectarea caracteristicilor în mod natural — dar implicit — este adesea avantajos să construiești un model redus. Un model redus se antrenează mai rapid, calculează predicții mai repede și este mai ușor de înțeles și de gestionat. Desigur, există întotdeauna un compromis între simplitatea modelului și performanța acestuia.

În acest exercițiu, vei reduce setul de date. În exercițiul următor, vei antrena un model redus și vei compara performanța lui cu cea a modelului complet. rf_fit, train și test sunt deja disponibile.

Pachetele tidyverse, tidymodels și vip au fost încărcate pentru tine.

Acest exercițiu face parte din cursul

Reducerea dimensionalității în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește vi() cu parametrul rank pentru a extrage cele mai importante zece caracteristici.
Adaugă variabila țintă înapoi în lista celor mai importante caracteristici.
Aplică masca de caracteristici selectate pentru a reduce seturile de date.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Extract the top ten features
top_features <- ___ %>% 
  ___(___ = ___) %>% 
  filter(___) %>% 
  pull(Variable)

# Add the target variable to the feature list
top_features <- c(___, "___")

# Reduce and print the data sets
train_reduced <- train[___]
test_reduced <- ___[___]
train_reduced %>% head(5)
test_reduced %>% head(5)

Editează și rulează codul