1. Learn
    2. /
  2. Курси
    3. /
  3. Практика співбесід з Machine Learning у Python
Connected

Вправа

Методи фільтрації та обгортки

Питання про зменшення розмірності набору даних дуже поширені на співбесідах з машинного навчання. Один зі способів зменшити розмірність — обрати лише релевантні ознаки у вашому наборі даних.

Тут ви попрактикуєте метод фільтрації на датафреймі diabetes, а потім 2 різні стилі методів-обгорток, що включають перехресну перевірку. Ви використовуватимете pandas, matplotlib.pyplot та seaborn, щоб візуалізувати кореляції, обробити дані та застосувати методи відбору ознак до вашого набору даних.

Матриця ознак без цільового стовпця (progression) завантажена як X, а цільова змінна — як y.

Зверніть увагу, що pandas, matplotlib.pyplot і seaborn уже імпортовано у ваш робочий простір з псевдонімами pd, plt і sns відповідно.

Зверніть увагу, що ви додали крок Cross-validate до свого конвеєра (він стосується останніх 3 кроків):

Конвеєр машинного навчання

Інструкції 1/3

undefined XP
  • 1
    • Створіть кореляційну матрицю з diabetes і теплову карту, потім виберіть ознаки з кореляцією понад 50%.
  • 2
    • Створіть оцінювач SVR з лінійним ядром і селектор ознак із 5-кратною перехресною перевіркою, навчіть їх на ознаках і цілі.
  • 3
    • Видаліть неважливий стовпець, знайдений на кроці 2, з X, створіть об'єкт LarsCV і навчіть його на ваших даних.