เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Ensemble models สำหรับการโหวตเพิ่มเติม

โมเดล LassoCV() คัดเลือกฟีเจอร์ได้ 22 จาก 32 ฟีเจอร์ ถือว่าใช้ได้ แต่ยังไม่ใช่การลดมิติข้อมูลที่โดดเด่นนัก ลองใช้โมเดลอีก 2 ตัวเพื่อคัดเลือก 10 ฟีเจอร์ที่แต่ละโมเดลมองว่าสำคัญที่สุด โดยใช้ Recursive Feature Eliminator (RFE)

ข้อมูล training และ test ที่ผ่านการ standardize แล้วถูกโหลดไว้ให้เป็น X_train, X_test, y_train และ y_test

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การลดมิติข้อมูลใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from sklearn.feature_selection import RFE
from sklearn.ensemble import GradientBoostingRegressor

# Select 10 features with RFE on a GradientBoostingRegressor, drop 3 features on each step
rfe_gb = RFE(estimator=____, 
             n_features_to_select=____, step=____, verbose=1)
rfe_gb.fit(X_train, y_train)
แก้ไขและรันโค้ด