Sfida: Mettere Tutto Insieme
In questa sfida, verranno applicate tutte le conoscenze acquisite durante il corso, dalla pre-elaborazione dei dati fino all'addestramento e alla valutazione del modello.





Compito
Swipe to start coding
- Codifica il target.
- Suddividi i dati in modo che 33% sia utilizzato per il set di test e il resto per il set di addestramento.
- Crea un
ColumnTransformer
per codificare solo le colonne'island'
e'sex'
. Assicurati che le altre colonne rimangano invariate. Utilizza un codificatore appropriato per dati nominali. - Completa i parametri in
param_grid
per provare i seguenti valori per il numero di vicini:[1, 3, 5, 7, 9, 12, 15, 20, 25]
. - Crea un oggetto
GridSearchCV
utilizzandoKNeighborsClassifier
come modello. - Costruisci una pipeline che inizi con
ct
come primo step, seguita da imputazione utilizzando il valore più frequente, standardizzazione e si concluda conGridSearchCV
come stimatore finale. - Allena il modello utilizzando la pipeline sul set di addestramento.
- Valuta il modello sul set di test. (Stampa il suo punteggio)
- Ottieni una previsione del target per
X_test
. - Stampa il miglior stimatore trovato da
grid_search
.
Soluzione
Tutto è chiaro?
Grazie per i tuoi commenti!
Sezione 4. Capitolo 10
single
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 3.13
Sfida: Mettere Tutto Insieme
Scorri per mostrare il menu
In questa sfida, verranno applicate tutte le conoscenze acquisite durante il corso, dalla pre-elaborazione dei dati fino all'addestramento e alla valutazione del modello.





Compito
Swipe to start coding
- Codifica il target.
- Suddividi i dati in modo che 33% sia utilizzato per il set di test e il resto per il set di addestramento.
- Crea un
ColumnTransformer
per codificare solo le colonne'island'
e'sex'
. Assicurati che le altre colonne rimangano invariate. Utilizza un codificatore appropriato per dati nominali. - Completa i parametri in
param_grid
per provare i seguenti valori per il numero di vicini:[1, 3, 5, 7, 9, 12, 15, 20, 25]
. - Crea un oggetto
GridSearchCV
utilizzandoKNeighborsClassifier
come modello. - Costruisci una pipeline che inizi con
ct
come primo step, seguita da imputazione utilizzando il valore più frequente, standardizzazione e si concluda conGridSearchCV
come stimatore finale. - Allena il modello utilizzando la pipeline sul set di addestramento.
- Valuta il modello sul set di test. (Stampa il suo punteggio)
- Ottieni una previsione del target per
X_test
. - Stampa il miglior stimatore trovato da
grid_search
.
Soluzione
Tutto è chiaro?
Grazie per i tuoi commenti!
Awesome!
Completion rate improved to 3.13Sezione 4. Capitolo 10
single