Desafío: Creación de un Pipeline Completo de ML
Ahora crea un pipeline que incluya un estimador final. Esto produce un pipeline de predicción entrenado que puede generar predicciones para nuevas instancias utilizando el método .predict()
.
Dado que un predictor requiere la variable objetivo y
, codifícala por separado del pipeline construido para X
. Utiliza LabelEncoder
para codificar el objetivo.
Dado que las predicciones están codificadas como 0, 1 o 2, se puede utilizar el método .inverse_transform()
de LabelEncoder
para convertirlas de nuevo a las etiquetas originales: 'Adelie'
, 'Chinstrap'
o 'Gentoo'
.
Swipe to start coding
Utiliza el conjunto de datos de pingüinos para construir un pipeline con KNeighborsClassifier
como estimador final. Entrena el pipeline en el conjunto de datos y genera predicciones para X
.
- Codifica la variable
y
. - Crea un pipeline que contenga
ct
,SimpleImputer
,StandardScaler
yKNeighborsClassifier
. - Utiliza la estrategia
'most_frequent'
conSimpleInputer
. - Entrena el objeto
pipe
usando las característicasX
y el objetivoy
.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Can you show me how to use LabelEncoder for the target variable?
What is a final estimator in a pipeline?
How do I use the trained pipeline to make predictions?
Awesome!
Completion rate improved to 3.13
Desafío: Creación de un Pipeline Completo de ML
Desliza para mostrar el menú
Ahora crea un pipeline que incluya un estimador final. Esto produce un pipeline de predicción entrenado que puede generar predicciones para nuevas instancias utilizando el método .predict()
.
Dado que un predictor requiere la variable objetivo y
, codifícala por separado del pipeline construido para X
. Utiliza LabelEncoder
para codificar el objetivo.
Dado que las predicciones están codificadas como 0, 1 o 2, se puede utilizar el método .inverse_transform()
de LabelEncoder
para convertirlas de nuevo a las etiquetas originales: 'Adelie'
, 'Chinstrap'
o 'Gentoo'
.
Swipe to start coding
Utiliza el conjunto de datos de pingüinos para construir un pipeline con KNeighborsClassifier
como estimador final. Entrena el pipeline en el conjunto de datos y genera predicciones para X
.
- Codifica la variable
y
. - Crea un pipeline que contenga
ct
,SimpleImputer
,StandardScaler
yKNeighborsClassifier
. - Utiliza la estrategia
'most_frequent'
conSimpleInputer
. - Entrena el objeto
pipe
usando las característicasX
y el objetivoy
.
Solución
¡Gracias por tus comentarios!
Awesome!
Completion rate improved to 3.13single