Рекурсивное устранение признаков с помощью случайных лесов
Вы обернёте рекурсивный метод устранения признаков вокруг модели случайного леса, чтобы поэтапно удалять признаки. Этот подход более консервативен по сравнению с отбором признаков по единому порогу важности, поскольку удаление одного признака влияет на относительную важность остальных.
Вам понадобятся следующие предварительно загруженные наборы данных: X, X_train, y_train.
Функции и классы, загруженные заранее: RandomForestClassifier(), RFE(), train_test_split().
Это упражнение является частью курса
Снижение размерности в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Wrap the feature eliminator around the random forest model
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)