Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Desafío: Creación de un Pipeline Completo de ML | Tuberías
Introducción al ML con Scikit-Learn

bookDesafío: Creación de un Pipeline Completo de ML

Ahora vamos a crear un pipeline adecuado con el estimador final. Como resultado, obtendremos un pipeline de predicción entrenado que puede utilizarse para predecir nuevas instancias simplemente llamando al método .predict().

Para entrenar un predictor (modelo), es necesario que y esté codificado. Esto se realiza por separado del pipeline que construimos para X. Recuerda que LabelEncoder se utiliza para codificar el objetivo.

Tarea

Swipe to start coding

Se dispone del mismo conjunto de datos de pingüinos. El objetivo es construir un pipeline con KNeighborsClassifier como estimador final, entrenarlo y predecir valores para el propio X.

  1. Codificación de la variable y.
  2. Creación de un pipeline que incluya ct, SimpleImputer, StandardScaler y KNeighborsClassifier.
  3. Uso de la estrategia 'most_frequent' con SimpleInputer.
  4. Entrenamiento del objeto pipe utilizando las características X y el objetivo y.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 3. Capítulo 6
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

close

Awesome!

Completion rate improved to 3.13

bookDesafío: Creación de un Pipeline Completo de ML

Desliza para mostrar el menú

Ahora vamos a crear un pipeline adecuado con el estimador final. Como resultado, obtendremos un pipeline de predicción entrenado que puede utilizarse para predecir nuevas instancias simplemente llamando al método .predict().

Para entrenar un predictor (modelo), es necesario que y esté codificado. Esto se realiza por separado del pipeline que construimos para X. Recuerda que LabelEncoder se utiliza para codificar el objetivo.

Tarea

Swipe to start coding

Se dispone del mismo conjunto de datos de pingüinos. El objetivo es construir un pipeline con KNeighborsClassifier como estimador final, entrenarlo y predecir valores para el propio X.

  1. Codificación de la variable y.
  2. Creación de un pipeline que incluya ct, SimpleImputer, StandardScaler y KNeighborsClassifier.
  3. Uso de la estrategia 'most_frequent' con SimpleInputer.
  4. Entrenamiento del objeto pipe utilizando las características X y el objetivo y.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

close

Awesome!

Completion rate improved to 3.13
Sección 3. Capítulo 6
single

single

some-alt