Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Haaste: Kaiken Yhdistäminen | Mallintaminen
Koneoppimisen Perusteet Scikit-learnilla

bookHaaste: Kaiken Yhdistäminen

Tässä haasteessa sovelletaan koko kurssilla opittua työnkulkua — datan esikäsittelystä mallin koulutukseen ja arviointiin.

carousel-imgcarousel-imgcarousel-imgcarousel-imgcarousel-img
Tehtävä

Swipe to start coding

  1. Koodaa kohdemuuttuja.
  2. Jaa data siten, että 33 % käytetään testijoukkona ja loput koulutusjoukkona.
  3. Luo ColumnTransformer, joka koodaa vain 'island'- ja 'sex'-sarakkeet. Varmista, että muut sarakkeet säilyvät muuttumattomina. Käytä sopivaa kooderia nominaalidatalle.
  4. Täydennä param_grid niin, että naapureiden määräksi kokeillaan seuraavia arvoja: [1, 3, 5, 7, 9, 12, 15, 20, 25].
  5. Luo GridSearchCV-objekti, jossa mallina on KNeighborsClassifier.
  6. Rakenna putki, joka alkaa ct:llä ensimmäisenä askeleena, seuraavana imputointi käyttäen yleisintä arvoa, sitten standardisointi, ja lopuksi GridSearchCV viimeisenä estimaattorina.
  7. Kouluta malli käyttäen putkea koulutusdatalla.
  8. Arvioi malli testidatalla. (Tulosta sen pistemäärä)
  9. Hanki ennustettu kohdemuuttuja X_test:lle.
  10. Tulosta paras estimaattori, jonka grid_search löysi.

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 4. Luku 10
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

close

Awesome!

Completion rate improved to 3.13

bookHaaste: Kaiken Yhdistäminen

Pyyhkäise näyttääksesi valikon

Tässä haasteessa sovelletaan koko kurssilla opittua työnkulkua — datan esikäsittelystä mallin koulutukseen ja arviointiin.

carousel-imgcarousel-imgcarousel-imgcarousel-imgcarousel-img
Tehtävä

Swipe to start coding

  1. Koodaa kohdemuuttuja.
  2. Jaa data siten, että 33 % käytetään testijoukkona ja loput koulutusjoukkona.
  3. Luo ColumnTransformer, joka koodaa vain 'island'- ja 'sex'-sarakkeet. Varmista, että muut sarakkeet säilyvät muuttumattomina. Käytä sopivaa kooderia nominaalidatalle.
  4. Täydennä param_grid niin, että naapureiden määräksi kokeillaan seuraavia arvoja: [1, 3, 5, 7, 9, 12, 15, 20, 25].
  5. Luo GridSearchCV-objekti, jossa mallina on KNeighborsClassifier.
  6. Rakenna putki, joka alkaa ct:llä ensimmäisenä askeleena, seuraavana imputointi käyttäen yleisintä arvoa, sitten standardisointi, ja lopuksi GridSearchCV viimeisenä estimaattorina.
  7. Kouluta malli käyttäen putkea koulutusdatalla.
  8. Arvioi malli testidatalla. (Tulosta sen pistemäärä)
  9. Hanki ennustettu kohdemuuttuja X_test:lle.
  10. Tulosta paras estimaattori, jonka grid_search löysi.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

close

Awesome!

Completion rate improved to 3.13
Osio 4. Luku 10
single

single

some-alt