Haaste: Täydellisen ML-Putken Luominen
Luo nyt putki, joka sisältää lopullisen estimointimenetelmän. 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
-datalle. Käytä LabelEncoder
-luokkaa kohdemuuttujan koodaamiseen.
Koska ennusteet ovat koodattuina arvoina 0, 1 tai 2, voidaan .inverse_transform()
-luokan LabelEncoder
-metodia käyttää niiden muuntamiseen takaisin alkuperäisiksi nimikkeiksi: 'Adelie'
, 'Chinstrap'
ja 'Gentoo'
.
Swipe to start coding
Käytä penguins dataset -aineistoa rakentaaksesi putkiston, jonka lopullisena estimaattorina toimii KNeighborsClassifier
. Kouluta putkisto aineistolla ja luo ennusteet muuttujalle X
.
- Koodaa
y
-muuttuja. - Luo putkisto, joka sisältää
ct
,SimpleImputer
,StandardScaler
jaKNeighborsClassifier
. - Käytä
'most_frequent'
-strategiaaSimpleInputer
-luokan kanssa. - Kouluta
pipe
-olio käyttäen piirteitäX
ja tavoitettay
.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 3.13
Haaste: Täydellisen ML-Putken Luominen
Pyyhkäise näyttääksesi valikon
Luo nyt putki, joka sisältää lopullisen estimointimenetelmän. 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
-datalle. Käytä LabelEncoder
-luokkaa kohdemuuttujan koodaamiseen.
Koska ennusteet ovat koodattuina arvoina 0, 1 tai 2, voidaan .inverse_transform()
-luokan LabelEncoder
-metodia käyttää niiden muuntamiseen takaisin alkuperäisiksi nimikkeiksi: 'Adelie'
, 'Chinstrap'
ja 'Gentoo'
.
Swipe to start coding
Käytä penguins dataset -aineistoa rakentaaksesi putkiston, jonka lopullisena estimaattorina toimii KNeighborsClassifier
. Kouluta putkisto aineistolla ja luo ennusteet muuttujalle X
.
- Koodaa
y
-muuttuja. - Luo putkisto, joka sisältää
ct
,SimpleImputer
,StandardScaler
jaKNeighborsClassifier
. - Käytä
'most_frequent'
-strategiaaSimpleInputer
-luokan kanssa. - Kouluta
pipe
-olio käyttäen piirteitäX
ja tavoitettay
.
Ratkaisu
Kiitos palautteestasi!
single