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,StandardScalerogKNeighborsClassifier. - Bruk
'most_frequent'-strategien medSimpleInputer. - Tren
pipe-objektet ved å bruke funksjoneneXog 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 3.13Utfordring: 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,StandardScalerogKNeighborsClassifier. - Bruk
'most_frequent'-strategien medSimpleInputer. - Tren
pipe-objektet ved å bruke funksjoneneXog målety.
Løsning
Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenforTakk for tilbakemeldingene dine!
Awesome!
Completion rate improved to 3.13single
