Utfordring: Lage en Komplett ML-Pipeline
La oss nå lage en fullverdig pipeline med sluttestimatoren. Som resultat får vi en trent prediksjonspipeline som kan brukes til å forutsi nye instanser ved ganske enkelt å kalle .predict()
-metoden.
For å trene en prediktor (modell), må y
være kodet. Dette gjøres separat fra pipelinen vi bygger for X
. Husk at LabelEncoder
brukes for å kode målet.
Swipe to start coding
Du har det samme penguins dataset. Oppgaven er å bygge en pipeline med KNeighborsClassifier
som siste estimator, trene den, og predikere verdier for X
selv.
- Kode variabelen
y
. - Lag en pipeline som inneholder
ct
,SimpleImputer
,StandardScaler
ogKNeighborsClassifier
. - Bruk
'most_frequent'
-strategien medSimpleInputer
. - Tren
pipe
-objektet ved å bruke funksjoneneX
og målety
.
Løsning
Takk for tilbakemeldingene dine!
single
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Awesome!
Completion rate improved to 3.13
Utfordring: Lage en Komplett ML-Pipeline
Sveip for å vise menyen
La oss nå lage en fullverdig pipeline med sluttestimatoren. Som resultat får vi en trent prediksjonspipeline som kan brukes til å forutsi nye instanser ved ganske enkelt å kalle .predict()
-metoden.
For å trene en prediktor (modell), må y
være kodet. Dette gjøres separat fra pipelinen vi bygger for X
. Husk at LabelEncoder
brukes for å kode målet.
Swipe to start coding
Du har det samme penguins dataset. Oppgaven er å bygge en pipeline med KNeighborsClassifier
som siste estimator, trene den, og predikere verdier for X
selv.
- Kode variabelen
y
. - Lag en pipeline som inneholder
ct
,SimpleImputer
,StandardScaler
ogKNeighborsClassifier
. - Bruk
'most_frequent'
-strategien medSimpleInputer
. - Tren
pipe
-objektet ved å bruke funksjoneneX
og målety
.
Løsning
Takk for tilbakemeldingene dine!
Awesome!
Completion rate improved to 3.13single