Rekursiv särdragseliminering med random forests
Du ska använda en rekursiv särdragseliminerare runt en random forest-modell för att ta bort särdrag steg för steg. Den här metoden är mer konservativ jämfört med att välja särdrag utifrån ett enda viktighetströskelvärde, eftersom borttagning av ett särdrag kan påverka de relativa vikterna hos de övriga.
Du behöver följande förinstallerade datamängder: X, X_train, y_train.
Funktioner och klasser som har förinstallerats åt dig är: RandomForestClassifier(), RFE(), train_test_split().
Den här övningen är en del av kursen
Dimensionsreduktion i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Wrap the feature eliminator around the random forest model
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)