Автоматическое рекурсивное исключение признаков
Теперь автоматизируем этот рекурсивный процесс. Оберните рекурсивный метод исключения признаков (RFE) вокруг оценщика логистической регрессии и передайте ему желаемое количество признаков.
Все необходимые функции и пакеты уже загружены, а признаки масштабированы за вас.
Это упражнение является частью курса
Снижение размерности в Python
Инструкции к упражнению
- Создайте объект RFE с оценщиком
LogisticRegression()и укажите 3 признака для отбора. - Выведите признаки и их ранги.
- Выведите признаки, которые не были исключены.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create the RFE with a LogisticRegression estimator and 3 features to select
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)
# Fits the eliminator to the data
rfe.fit(X_train, y_train)
# Print the features and their ranking (high = dropped early on)
print(dict(zip(X.columns, rfe.____)))
# Print the features that are not eliminated
print(X.columns[rfe.____])
# Calculates the test set accuracy
acc = accuracy_score(y_test, rfe.predict(X_test))
print(f"{acc:.1%} accuracy on test set.")