Recursive Feature Elimination ด้วย Random Forests
ในแบบฝึกหัดนี้ จะได้นำ Recursive Feature Eliminator มาครอบโมเดล Random Forest เพื่อคัดฟีเจอร์ออกทีละขั้น วิธีนี้มีความรอบคอบกว่าการเลือกฟีเจอร์โดยใช้ค่าความสำคัญเพียงค่าเดียว เนื่องจากการตัดฟีเจอร์หนึ่งออกอาจส่งผลต่อความสำคัญสัมพัทธ์ของฟีเจอร์ที่เหลือได้
ชุดข้อมูลที่โหลดไว้ล่วงหน้า ได้แก่: X, X_train, y_train
ฟังก์ชันและคลาสที่โหลดไว้ให้แล้ว ได้แก่: RandomForestClassifier(), RFE(), train_test_split()
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การลดมิติข้อมูลใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Wrap the feature eliminator around the random forest model
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)