Du arbejder med et datasæt over pingviner. Dit mål er at opbygge en komplet maskinlæringspipeline, der klassificerer pingvinarter ved hjælp af en K-Nearest Neighbors (KNN)-model. Pipenlinen skal håndtere kategorisk kodning, manglende værdier, feature-skalering og parameter-tuning.

1. Kod målvariablen y ved hjælp af klassen LabelEncoder.
2. Opdel datasættet i trænings- og testdatasæt med train_test_split() og test_size=0.33.
3. Opret en ColumnTransformer med navnet ct, der anvender en OneHotEncoder på kolonnerne 'island' og 'sex', mens alle andre kolonner forbliver uændrede (remainder='passthrough').
4. Definér et parameterrum param_grid, der indeholder følgende værdier for n_neighbors: [1, 3, 5, 7, 9, 12, 15, 20, 25], samt inkluderer 'weights' ('uniform', 'distance') og 'p' (1, 2).
5. Opret et GridSearchCV-objekt med KNeighborsClassifier() som estimator og param_grid som parameterrum.
6. Byg en pipeline, der indeholder følgende trin i rækkefølge:

• ColumnTransformer (ct);
• En SimpleImputer med strategien sat til 'most_frequent';
  • En StandardScaler til feature-skalering;
  • GridSearchCV-objektet som sidste trin.

7. Træn pipelinen på træningsdataene (X_train, y_train) ved hjælp af .fit()-metoden.
8. Evaluer modellens præstation ved at udskrive testscoren med .score(X_test, y_test).
9. Generér forudsigelser på testdataene og udskriv de første 5 dekodede klassenavne ved hjælp af label_enc.inverse_transform().
10. Udskriv den bedste estimator fundet af GridSearchCV ved hjælp af attributten .best_estimator_.