Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Herausforderung: Erstellung Einer Vollständigen ML-Pipeline | Pipelines
ML-Einführung Mit Scikit-Learn

bookHerausforderung: 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.

Aufgabe

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.

  1. Kodieren Sie die Zielvariable y.
  2. Erstellen Sie eine Pipeline, die ct, SimpleImputer, StandardScaler und KNeighborsClassifier enthält.
  3. Verwenden Sie die Strategie 'most_frequent' mit SimpleInputer.
  4. Trainieren Sie das Objekt pipe mit den Merkmalen X und dem Ziel y.

Lösung

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 6
single

single

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

close

Awesome!

Completion rate improved to 3.13

bookHerausforderung: 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.

Aufgabe

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.

  1. Kodieren Sie die Zielvariable y.
  2. Erstellen Sie eine Pipeline, die ct, SimpleImputer, StandardScaler und KNeighborsClassifier enthält.
  3. Verwenden Sie die Strategie 'most_frequent' mit SimpleInputer.
  4. Trainieren Sie das Objekt pipe mit den Merkmalen X und dem Ziel y.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

close

Awesome!

Completion rate improved to 3.13
Abschnitt 3. Kapitel 6
single

single

some-alt