Haaste: Täydellisen ML-Putken Luominen
Luo nyt putki, joka sisältää lopullisen estimaattorin. Tämä tuottaa koulutetun ennustavan putken, joka voi tuottaa ennusteita uusille havaintoarvoille käyttämällä .predict()-metodia.
Koska ennustaja vaatii kohdemuuttujan y, koodaa se erikseen putkesta, joka on rakennettu X:lle. Käytä LabelEncoder-luokkaa kohteen koodaamiseen.
Koska ennusteet ovat koodattuina arvoina 0, 1 tai 2, .inverse_transform()-luokan LabelEncoder-metodia voidaan käyttää niiden muuntamiseen takaisin alkuperäisiksi luokiksi: 'Adelie', 'Chinstrap' tai 'Gentoo'.
Swipe to start coding
Sinulle annetaan DataFrame nimeltä df, joka sisältää pingviinien tietoja.
Tehtävänäsi on rakentaa ja kouluttaa täydellinen koneoppimisen putki, joka esikäsittelee datan ja käyttää KNeighborsClassifier-mallia.
- Koodaa kohdemuuttuja
ykäyttäenLabelEncoder-luokkaa. - Luo
ColumnTransformernimeltäct, joka käyttääOneHotEncoder-enkooderia sarakkeisiin'island'ja'sex', jättäen muut sarakkeet muuttumattomiksi (remainder='passthrough'). - Luo putki, joka sisältää seuraavat vaiheet tässä järjestyksessä:
- Määrittelemäsi
ColumnTransformer(ct);SimpleImputer, jonkastrategy-parametri on asetettu arvoon'most_frequent';
StandardScalerpiirteiden skaalausta varten;KNeighborsClassifierlopullisena mallina.
- Kouluta putki piirteillä
Xja kohteellay. - Luo ennusteet
X:lle koulutetulla putkella ja tulosta dekoodatut luokkien nimet.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
How do I use LabelEncoder to encode the target variable?
Can you show me how to add a final estimator to the pipeline?
What is the purpose of encoding the target variable separately from the features?
Awesome!
Completion rate improved to 3.13Haaste: Täydellisen ML-Putken Luominen
Pyyhkäise näyttääksesi valikon
Luo nyt putki, joka sisältää lopullisen estimaattorin. Tämä tuottaa koulutetun ennustavan putken, joka voi tuottaa ennusteita uusille havaintoarvoille käyttämällä .predict()-metodia.
Koska ennustaja vaatii kohdemuuttujan y, koodaa se erikseen putkesta, joka on rakennettu X:lle. Käytä LabelEncoder-luokkaa kohteen koodaamiseen.
Koska ennusteet ovat koodattuina arvoina 0, 1 tai 2, .inverse_transform()-luokan LabelEncoder-metodia voidaan käyttää niiden muuntamiseen takaisin alkuperäisiksi luokiksi: 'Adelie', 'Chinstrap' tai 'Gentoo'.
Swipe to start coding
Sinulle annetaan DataFrame nimeltä df, joka sisältää pingviinien tietoja.
Tehtävänäsi on rakentaa ja kouluttaa täydellinen koneoppimisen putki, joka esikäsittelee datan ja käyttää KNeighborsClassifier-mallia.
- Koodaa kohdemuuttuja
ykäyttäenLabelEncoder-luokkaa. - Luo
ColumnTransformernimeltäct, joka käyttääOneHotEncoder-enkooderia sarakkeisiin'island'ja'sex', jättäen muut sarakkeet muuttumattomiksi (remainder='passthrough'). - Luo putki, joka sisältää seuraavat vaiheet tässä järjestyksessä:
- Määrittelemäsi
ColumnTransformer(ct);SimpleImputer, jonkastrategy-parametri on asetettu arvoon'most_frequent';
StandardScalerpiirteiden skaalausta varten;KNeighborsClassifierlopullisena mallina.
- Kouluta putki piirteillä
Xja kohteellay. - Luo ennusteet
X:lle koulutetulla putkella ja tulosta dekoodatut luokkien nimet.
Ratkaisu
Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoistaKiitos palautteestasi!
single
