Отбор признаков на основе их важности
В предыдущем упражнении вы практиковали применение методов фильтрации и обёртки для отбора признаков в машинном обучении и на собеседованиях по машинному обучению. В этом упражнении вы попрактикуетесь в отборе признаков с помощью встроенного механизма оценки важности признаков в древовидных алгоритмах машинного обучения на DataFrame diabetes.
Хотя в рамках DataCamp есть возможность попрактиковаться лишь с несколькими методами, на сайте scikit-learn доступна подробная документация, в которой описаны и другие способы отбора признаков.
Матрица признаков и целевой массив сохранены в вашем рабочем пространстве как X и y соответственно.
Напомним, что отбор признаков считается шагом предобработки данных:
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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.____)