通过特征重要性进行特征选择
在上一个练习中，您练习了在进行特征选择时，过滤法和包裹法如何发挥作用，以及它们在机器学习面试中的用途。这个练习中，您将使用基于树的机器学习算法内置的特征重要性，在 diabetes DataFrame 上练习特征选择方法。
虽然在 DataCamp 上我们只能抽时间和空间练习其中的少数方法，但在 scikit-learn 网站上有非常出色的文档，介绍了若干其他特征选择的方法。
特征矩阵和目标数组分别已保存为工作区中的 X 和 y。
请记住，特征选择被视为预处理步骤：
本练习是课程的一部分
用 Python 练习机器学习面试题
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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.____)