Loại bỏ đặc trưng đệ quy thủ công (Manual RFE)
Bây giờ bạn đã tạo xong một bộ phân loại bệnh tiểu đường, hãy xem liệu chúng ta có thể giảm số lượng đặc trưng mà vẫn không làm giảm độ chính xác của mô hình quá nhiều hay không.
Ở dòng thứ hai của mã, các đặc trưng được chọn từ DataFrame gốc. Hãy điều chỉnh phần chọn này.
Một thể hiện StandardScaler() đã được định nghĩa sẵn là scaler và một thể hiện LogisticRegression() là lr.
Tất cả các hàm và gói cần thiết cũng đã được nạp sẵn.
Bài tập này là một phần của khóa học
Giảm Chiều Dữ Liệu với Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Remove the feature with the lowest model coefficient
X = diabetes_df[['pregnant', 'glucose', 'diastolic', 'triceps', 'insulin', 'bmi', 'family', 'age']]
# Performs a 25-75% train test split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
# Scales features and fits the logistic regression model
lr.fit(scaler.fit_transform(X_train), y_train)
# Calculates the accuracy on the test set and prints coefficients
acc = accuracy_score(y_test, lr.predict(scaler.transform(X_test)))
print(f"{acc:.1%} accuracy on test set.")
print(dict(zip(X.columns, abs(lr.coef_[0]).round(2))))