การคัดเลือกฟีเจอร์ด้วย Feature Importance
ในแบบฝึกหัดที่แล้ว คุณได้ฝึกใช้วิธี filter และ wrapper สำหรับการคัดเลือกฟีเจอร์ในงาน machine learning และในการสัมภาษณ์งาน machine learning ในแบบฝึกหัดนี้ จะได้ฝึกการคัดเลือกฟีเจอร์โดยใช้ feature importance ที่มีอยู่ใน tree-based machine learning algorithms บน DataFrame diabetes
แม้ว่าบน DataCamp จะมีพื้นที่และเวลาสำหรับฝึกเพียงบางส่วน แต่ยังมีเอกสารประกอบที่ยอดเยี่ยมจากเว็บไซต์ scikit-learn ซึ่งครอบคลุมวิธีการคัดเลือกฟีเจอร์อื่น ๆ อีกหลายแบบ
เมทริกซ์ฟีเจอร์และอาร์เรย์เป้าหมายถูกบันทึกไว้ในเวิร์กสเปซเป็น X และ y ตามลำดับ
จำไว้ว่าการคัดเลือกฟีเจอร์ถือเป็นขั้นตอน pre-processing:
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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.____)