เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Recursive Feature Elimination แบบอัตโนมัติ

ทีนี้มาทำให้กระบวนการ recursive นี้เป็นแบบอัตโนมัติกัน ครอบ Recursive Feature Eliminator (RFE) รอบ estimator ถดถอยโลจิสติกของเรา แล้วกำหนดจำนวนฟีเจอร์ที่ต้องการ

ฟังก์ชันและแพ็กเกจที่จำเป็นทั้งหมดได้โหลดไว้ล่วงหน้าแล้ว และฟีเจอร์ได้รับการปรับสเกลให้เรียบร้อย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การลดมิติข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง RFE โดยใช้ estimator LogisticRegression() และกำหนดให้เลือก 3 ฟีเจอร์
  • พิมพ์ฟีเจอร์และอันดับของแต่ละฟีเจอร์
  • พิมพ์ฟีเจอร์ที่ไม่ถูกตัดออก

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create the RFE with a LogisticRegression estimator and 3 features to select
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)

# Fits the eliminator to the data
rfe.fit(X_train, y_train)

# Print the features and their ranking (high = dropped early on)
print(dict(zip(X.columns, rfe.____)))

# Print the features that are not eliminated
print(X.columns[rfe.____])

# Calculates the test set accuracy
acc = accuracy_score(y_test, rfe.predict(X_test))
print(f"{acc:.1%} accuracy on test set.")
แก้ไขและรันโค้ด