Sfida: Creazione di una Pipeline ML Completa
Ora crea una pipeline che includa un stimatore finale. Questo produce una pipeline di previsione addestrata che può generare previsioni per nuove istanze utilizzando il metodo .predict().
Poiché un predittore richiede la variabile target y, codificala separatamente dalla pipeline costruita per X. Utilizza LabelEncoder per codificare il target.
Poiché le previsioni sono codificate come 0, 1 o 2, il metodo .inverse_transform() di LabelEncoder può essere utilizzato per convertirle nuovamente nelle etichette originali: 'Adelie', 'Chinstrap' o 'Gentoo'.
Swipe to start coding
Ti viene fornito un DataFrame chiamato df che contiene dati sui pinguini.
Il compito consiste nel costruire e addestrare una pipeline completa di machine learning che pre-elabora i dati e applica un modello KNeighborsClassifier.
- Codifica la variabile target
yutilizzando la classeLabelEncoder. - Crea un
ColumnTransformerchiamatoctche applica unOneHotEncoderalle colonne'island'e'sex', lasciando invariate le altre colonne (remainder='passthrough'). - Crea una pipeline che includa i seguenti passaggi nell'ordine indicato:
- Il
ColumnTransformerdefinito (ct); - Un
SimpleImputercon il parametrostrategyimpostato su'most_frequent'; - Uno
StandardScalerper la normalizzazione delle feature; - Un
KNeighborsClassifiercome modello finale.
- Addestra la pipeline sulle feature
Xe sul targety. - Genera le predizioni per
Xutilizzando la pipeline addestrata e stampa i nomi delle classi decodificati.
Soluzione
Grazie per i tuoi commenti!
single
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
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 3.13Sfida: Creazione di una Pipeline ML Completa
Scorri per mostrare il menu
Ora crea una pipeline che includa un stimatore finale. Questo produce una pipeline di previsione addestrata che può generare previsioni per nuove istanze utilizzando il metodo .predict().
Poiché un predittore richiede la variabile target y, codificala separatamente dalla pipeline costruita per X. Utilizza LabelEncoder per codificare il target.
Poiché le previsioni sono codificate come 0, 1 o 2, il metodo .inverse_transform() di LabelEncoder può essere utilizzato per convertirle nuovamente nelle etichette originali: 'Adelie', 'Chinstrap' o 'Gentoo'.
Swipe to start coding
Ti viene fornito un DataFrame chiamato df che contiene dati sui pinguini.
Il compito consiste nel costruire e addestrare una pipeline completa di machine learning che pre-elabora i dati e applica un modello KNeighborsClassifier.
- Codifica la variabile target
yutilizzando la classeLabelEncoder. - Crea un
ColumnTransformerchiamatoctche applica unOneHotEncoderalle colonne'island'e'sex', lasciando invariate le altre colonne (remainder='passthrough'). - Crea una pipeline che includa i seguenti passaggi nell'ordine indicato:
- Il
ColumnTransformerdefinito (ct); - Un
SimpleImputercon il parametrostrategyimpostato su'most_frequent'; - Uno
StandardScalerper la normalizzazione delle feature; - Un
KNeighborsClassifiercome modello finale.
- Addestra la pipeline sulle feature
Xe sul targety. - Genera le predizioni per
Xutilizzando la pipeline addestrata e stampa i nomi delle classi decodificati.
Soluzione
Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguentiGrazie per i tuoi commenti!
single
