Відбір ознак через важливість ознак
У попередній вправі ви потренувалися, як методи фільтрів та обгорток можуть допомогти під час відбору ознак у машинному навчанні та на співбесідах з машинного навчання. У цій вправі ви попрактикуєте методи відбору ознак, використовуючи вбудовану важливість ознак у деревоподібних алгоритмах машинного навчання на датафреймі diabetes.
Хоча на DataCamp є час і місце лише для кількох із них, на сайті scikit-learn доступна чудова документація, де розглянуто ще кілька способів відбирати ознаки.
Матрицю ознак і цільовий масив збережено у вашому робочому середовищі як X та y відповідно.
Пам'ятайте, що відбір ознак є кроком попереднього оброблення:
Ця вправа є частиною курсу
Практика співбесід з Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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.____)