Särdragsurval via särdragsviktighet
I den förra övningen tränade du på hur filter- och wrapper-metoder kan användas vid särdragsurval inom maskininlärning – och i maskininlärningsintervjuer. I den här övningen får du öva på särdragsurval med hjälp av den inbyggda särdragsviktigheten i trädbaserade maskininlärningsalgoritmer på diabetes-dataramen.
Även om det bara finns tid och utrymme att öva på ett fåtal metoder här på DataCamp, finns det utmärkt dokumentation på scikit-learns webbplats som går igenom flera andra sätt att välja särdrag.
Särdragsmatrisen och målvektorn är sparade i din arbetsyta som X respektive y.
Kom ihåg att särdragsurval betraktas som ett förbearbetningssteg:
Den här övningen är en del av kursen
Öva på maskininlärningsintervjufrågor i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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.____)