Uitdaging: Het Creëren van een Volledige ML-Pijplijn
Maak nu een pipeline die een eindschatter bevat. Dit resulteert in een getrainde voorspellingspipeline die voorspellingen kan genereren voor nieuwe instanties met behulp van de .predict()
-methode.
Omdat een voorspeller de doelvariabele y
vereist, codeer deze afzonderlijk van de pipeline die voor X
is gebouwd. Gebruik LabelEncoder
om de doelvariabele te coderen.
Omdat de voorspellingen gecodeerd zijn als 0, 1 of 2, kan de .inverse_transform()
-methode van LabelEncoder
worden gebruikt om ze terug te zetten naar de oorspronkelijke labels: 'Adelie'
, 'Chinstrap'
of 'Gentoo'
.
Swipe to start coding
Gebruik de penguins dataset om een pipeline te bouwen met KNeighborsClassifier
als uiteindelijke estimator. Train de pipeline op de dataset en genereer voorspellingen voor X
.
- Encodeer de
y
-variabele. - Maak een pipeline met
ct
,SimpleImputer
,StandardScaler
enKNeighborsClassifier
. - Gebruik de strategie
'most_frequent'
metSimpleInputer
. - Train het
pipe
-object met de featuresX
en de targety
.
Oplossing
Bedankt voor je feedback!
single
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Awesome!
Completion rate improved to 3.13
Uitdaging: Het Creëren van een Volledige ML-Pijplijn
Veeg om het menu te tonen
Maak nu een pipeline die een eindschatter bevat. Dit resulteert in een getrainde voorspellingspipeline die voorspellingen kan genereren voor nieuwe instanties met behulp van de .predict()
-methode.
Omdat een voorspeller de doelvariabele y
vereist, codeer deze afzonderlijk van de pipeline die voor X
is gebouwd. Gebruik LabelEncoder
om de doelvariabele te coderen.
Omdat de voorspellingen gecodeerd zijn als 0, 1 of 2, kan de .inverse_transform()
-methode van LabelEncoder
worden gebruikt om ze terug te zetten naar de oorspronkelijke labels: 'Adelie'
, 'Chinstrap'
of 'Gentoo'
.
Swipe to start coding
Gebruik de penguins dataset om een pipeline te bouwen met KNeighborsClassifier
als uiteindelijke estimator. Train de pipeline op de dataset en genereer voorspellingen voor X
.
- Encodeer de
y
-variabele. - Maak een pipeline met
ct
,SimpleImputer
,StandardScaler
enKNeighborsClassifier
. - Gebruik de strategie
'most_frequent'
metSimpleInputer
. - Train het
pipe
-object met de featuresX
en de targety
.
Oplossing
Bedankt voor je feedback!
Awesome!
Completion rate improved to 3.13single