Herausforderung: Erstellung Einer Vollständigen ML-Pipeline
Erstellen wir nun eine vollständige Pipeline mit dem finalen Schätzer. Dadurch erhalten wir eine trainierte Vorhersagepipeline, die für die Vorhersage neuer Instanzen einfach durch Aufruf der Methode .predict()
verwendet werden kann.
Um einen Prädiktor (Modell) zu trainieren, muss y
codiert werden. Dies geschieht separat von der Pipeline, die wir für X
erstellen. Beachten Sie, dass der LabelEncoder
für die Codierung des Zielwerts verwendet wird.
Swipe to start coding
Sie haben denselben Pinguin-Datensatz. Die Aufgabe besteht darin, eine Pipeline mit KNeighborsClassifier
als finalem Schätzer zu erstellen, sie zu trainieren und Vorhersagen für X
selbst zu treffen.
- Kodieren Sie die Zielvariable
y
. - Erstellen Sie eine Pipeline, die
ct
,SimpleImputer
,StandardScaler
undKNeighborsClassifier
enthält. - Verwenden Sie die Strategie
'most_frequent'
mitSimpleInputer
. - Trainieren Sie das Objekt
pipe
mit den MerkmalenX
und dem Ziely
.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.13
Herausforderung: Erstellung Einer Vollständigen ML-Pipeline
Swipe um das Menü anzuzeigen
Erstellen wir nun eine vollständige Pipeline mit dem finalen Schätzer. Dadurch erhalten wir eine trainierte Vorhersagepipeline, die für die Vorhersage neuer Instanzen einfach durch Aufruf der Methode .predict()
verwendet werden kann.
Um einen Prädiktor (Modell) zu trainieren, muss y
codiert werden. Dies geschieht separat von der Pipeline, die wir für X
erstellen. Beachten Sie, dass der LabelEncoder
für die Codierung des Zielwerts verwendet wird.
Swipe to start coding
Sie haben denselben Pinguin-Datensatz. Die Aufgabe besteht darin, eine Pipeline mit KNeighborsClassifier
als finalem Schätzer zu erstellen, sie zu trainieren und Vorhersagen für X
selbst zu treffen.
- Kodieren Sie die Zielvariable
y
. - Erstellen Sie eine Pipeline, die
ct
,SimpleImputer
,StandardScaler
undKNeighborsClassifier
enthält. - Verwenden Sie die Strategie
'most_frequent'
mitSimpleInputer
. - Trainieren Sie das Objekt
pipe
mit den MerkmalenX
und dem Ziely
.
Lösung
Danke für Ihr Feedback!
Awesome!
Completion rate improved to 3.13single