Laten we nu een correcte pipeline maken met de **uiteindelijke estimator**. Hierdoor verkrijgen we een getrainde voorspellingspipeline die gebruikt kan worden om nieuwe instanties te voorspellen door eenvoudigweg de `.predict()`-methode aan te roepen.  

Om een voorspeller (model) te trainen, moet `y` gecodeerd zijn. Dit gebeurt **afzonderlijk** van de pipeline die we voor `X` bouwen. Onthoud dat `LabelEncoder` wordt gebruikt voor het coderen van de **doelvariabele**.

Machine learning wordt tegenwoordig overal toegepast. Wil je het zelf leren? Deze cursus is een introductie tot de wereld van machine learning waarin je basisconcepten leert, werkt met scikit-learn – de populairste bibliotheek voor ML – en je eerste machine learning-project bouwt.
Deze cursus is bedoeld voor studenten met basiskennis van Python, Pandas en Numpy.

Leer de concepten van machine learning en de workflow van een ML-project.

Preprocessing is waarschijnlijk de belangrijkste fase van een ML-project. Dit hoofdstuk behandelt de preprocessing-stappen die nodig zijn voor vrijwel elke dataset.

Een pipeline is een overzichtelijke manier om alle preprocessingsstappen en een model te combineren. Pipelines maken het veel eenvoudiger om een model te trainen en te gebruiken.

Modellering is de meest interessante fase van een ML-project. Leer het model opbouwen, verfijnen en evalueren!

Uitdaging: Het Creëren van een Volledige ML-Pijplijn

Oplossing

Awesome!

Uitdaging: Het Creëren van een Volledige ML-Pijplijn

Oplossing

Awesome!