Özellik önemine göre özellik seçimi
Son egzersizde, Machine Learning'de ve Machine Learning mülakatlarında özellik seçerken filtre ve sarmalayıcı (wrapper) yöntemlerinin nasıl işine yarayabileceğini pratiğe döktün. Bu egzersizde, ağaç tabanlı Machine Learning algoritmalarındaki yerleşik özellik önemi (feature importance) yöntemlerini kullanarak diabetes DataFrame'i üzerinde özellik seçimi yapacaksın.
DataCamp'te yalnızca birkaçını pratiğe dökmeye vakit ve alan olsa da, scikit-learn sitesinde özellik seçiminin başka yollarını da anlatan harika bir dokümantasyon bulunuyor.
Özellik matrisi ve hedef dizisi sırasıyla X ve y olarak çalışma alanına kaydedildi.
Unutma, özellik seçimi bir ön işleme (pre-processing) adımıdır:
Bu egzersiz, kursun bir parçasıdır
Python ile Machine Learning Mülakat Sorularını Pratik Etme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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.____)