Apprendre Défi : Création d’un Pipeline ML Complet

Créez maintenant un pipeline incluant un estimateur final. Cela produit un pipeline d'apprentissage entraîné capable de générer des prédictions pour de nouvelles instances à l'aide de la méthode .predict().

Comme un prédicteur nécessite la variable cible y, encodez-la séparément du pipeline construit pour X. Utilisez LabelEncoder pour encoder la cible.

Remarque

Comme les prédictions sont encodées sous forme de 0, 1 ou 2, la méthode .inverse_transform() de LabelEncoder peut être utilisée pour les reconvertir en étiquettes d'origine : 'Adelie', 'Chinstrap' ou 'Gentoo'.

Tâche

Swipe to start coding

Vous disposez d'un DataFrame nommé df contenant des données sur les manchots. Votre tâche consiste à construire et entraîner un pipeline complet de machine learning qui prétraite les données et applique un modèle KNeighborsClassifier.

Encoder la variable cible y à l'aide de la classe LabelEncoder.
Créer un ColumnTransformer nommé ct qui applique un OneHotEncoder aux colonnes 'island' et 'sex', tout en laissant les autres colonnes inchangées (remainder='passthrough').
Créer un pipeline comprenant les étapes suivantes dans cet ordre :

Le ColumnTransformer que vous avez défini (ct);
Un SimpleImputer avec le paramètre strategy défini sur 'most_frequent';
Un StandardScaler pour la mise à l'échelle des caractéristiques ;
Un KNeighborsClassifier comme modèle final.

Entraîner le pipeline sur les variables explicatives X et la cible y.
Générer des prédictions pour X à l'aide du pipeline entraîné et afficher les noms de classes décodés.

Solution

Tout était clair ?

Merci pour vos commentaires !

Section 3. Chapitre 6

single

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Awesome!

Completion rate improved to 3.13

Glissez pour afficher le menu