Ансамблевые модели для дополнительного голосования
Модель LassoCV() отобрала 22 из 32 признаков. Неплохо, однако назвать это впечатляющим сокращением размерности сложно. Воспользуемся ещё двумя моделями, чтобы выбрать 10 признаков, которые они считают наиболее важными, с помощью метода рекурсивного исключения признаков (RFE).
Стандартизированные обучающая и тестовая выборки уже загружены для вас как X_train, X_test, y_train и y_test.
Это упражнение является частью курса
Снижение размерности в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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)