In dieser Aufgabe sollen alle von uns durchgeführten Vorverarbeitungsschritte **in einer Pipeline** zusammengeführt werden. Der Datensatz ist die ursprüngliche Datei `penguins.csv`, mit der wir begonnen haben.  

Der erste Schritt besteht darin, **zwei unnötige Zeilen zu entfernen**. Anschließend soll eine Pipeline erstellt werden, die Kodierung, Imputation und Skalierung umfasst.

Es müssen nur zwei Spalten kodiert werden, `'sex'` und `'island'`. Da nicht das gesamte `X` kodiert werden soll, muss ein `ColumnTransformer` verwendet werden. Danach wird auf das gesamte `SimpleImputer` der `StandardScaler` und der `X` angewendet.

Hier eine Erinnerung an die Funktionen `make_column_transformer()` und `make_pipeline()`, die verwendet werden.

Maschinelles Lernen wird mittlerweile überall eingesetzt. Möchten Sie es selbst erlernen? Dieser Kurs bietet eine Einführung in die Welt des maschinellen Lernens, vermittelt grundlegende Konzepte, die Arbeit mit Scikit-learn – der beliebtesten Bibliothek für ML – und ermöglicht den Aufbau Ihres ersten Machine-Learning-Projekts.
Der Kurs richtet sich an Studierende mit Grundkenntnissen in Python, Pandas und Numpy.

Erlernen der Konzepte des maschinellen Lernens und des Workflows von ML-Projekten.

Die Vorverarbeitung ist wahrscheinlich die wichtigste Phase eines ML-Projekts. Dieses Kapitel behandelt die notwendigen Vorverarbeitungsschritte für nahezu jedes Datenset.

Eine Pipeline ist eine elegante Methode, um alle Vorverarbeitungsschritte sowie ein Modell zu kombinieren. Pipelines erleichtern das Trainieren und Anwenden eines Modells erheblich.

Die Modellierung ist die spannendste Phase eines ML-Projekts. Lernen Sie, das Modell zu erstellen, zu optimieren und zu evaluieren!

Herausforderung: Erstellung Einer Pipeline

Lösung

Awesome!

Herausforderung: Erstellung Einer Pipeline

Lösung

Awesome!