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 | Pipelines
Introducción al ML con Scikit-learn

bookDesafío: 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.

Note
Nota

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'.

Tarea

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.

  1. Codifica la variable y.
  2. Crea un pipeline que contenga ct, SimpleImputer, StandardScaler y KNeighborsClassifier.
  3. Utiliza la estrategia 'most_frequent' con SimpleInputer.
  4. Entrena el objeto pipe usando 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

Suggested prompts:

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?

close

Awesome!

Completion rate improved to 3.13

bookDesafío: 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.

Note
Nota

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'.

Tarea

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.

  1. Codifica la variable y.
  2. Crea un pipeline que contenga ct, SimpleImputer, StandardScaler y KNeighborsClassifier.
  3. Utiliza la estrategia 'most_frequent' con SimpleInputer.
  4. Entrena el objeto pipe usando 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