Työskentelet pingviinien tietoaineiston parissa. Tavoitteesi on rakentaa täydellinen koneoppimisen putki, joka luokittelee pingviinilajit käyttäen K-Nearest Neighbors (KNN) -mallia. Putken tulee käsitellä kategoristen muuttujien koodaus, puuttuvat arvot, piirteiden skaalaus sekä parametrien viritys.

1. Koodaa kohdemuuttuja y käyttäen LabelEncoder-luokkaa.
2. Jaa tietoaineisto opetus- ja testijoukkoihin käyttäen train_test_split()-funktiota, jossa test_size=0.33.
3. Luo ColumnTransformer nimeltä ct, joka käyttää OneHotEncoder-koodausta sarakkeisiin 'island' ja 'sex', jättäen muut sarakkeet muuttumattomiksi (remainder='passthrough').
4. Määrittele parametriverkko param_grid, joka sisältää seuraavat arvot n_neighbors: [1, 3, 5, 7, 9, 12, 15, 20, 25], sekä 'weights' ('uniform', 'distance') ja 'p' (1, 2).
5. Luo GridSearchCV-olio käyttäen KNeighborsClassifier()-mallia ja param_grid-parametriverkkoa.
6. Rakenna putki, joka sisältää seuraavat vaiheet järjestyksessä:

• ColumnTransformer (ct);
• SimpleImputer, jonka strategia on 'most_frequent';
• StandardScaler piirteiden skaalausta varten;
  • GridSearchCV-olio viimeisenä vaiheena.

7. Kouluta putki opetusdatalla (X_train, y_train) käyttäen .fit()-metodia.
8. Arvioi mallin suorituskyky tulostamalla testituloksen käyttäen .score(X_test, y_test).
9. Luo ennusteet testidatalle ja tulosta ensimmäiset 5 dekoodattua luokan nimeä käyttäen label_enc.inverse_transform().
10. Tulosta GridSearchCV:n löytämä paras estimointimalli käyttämällä .best_estimator_-attribuuttia.