Desafio 3: Pipelines

As Pipelines desempenham um papel crucial na racionalização dos fluxos de trabalho de aprendizado de máquina, garantindo a transição coerente e eficiente dos dados de uma etapa de processamento para outra. Essencialmente, uma pipeline agrupa uma sequência de etapas de processamento de dados e modelagem em uma única estrutura unificada. A principal vantagem do uso de pipelines é a minimização de erros comuns de fluxo de trabalho, como o vazamento de dados ao padronizar ou normalizar os dados.

Tarefa

Swipe to start coding

Aplique a normalização dos dados ao conjunto de dados de vinho, e depois utilize o algoritmo KMeans para agrupar vinhos com base em suas propriedades químicas.

Aplique a padronização dos dados às características do conjunto de dados de vinho.
Utilize o algoritmo KMeans para agrupar os vinhos baseando-se em suas propriedades químicas. São necessários 3 grupos.
Aplique o pipeline aos dados.

Solução

import seaborn as sns

import matplotlib.pyplot as plt

from sklearn.datasets import load_wine

from sklearn.preprocessing import StandardScaler

from sklearn.cluster import KMeans

from sklearn.pipeline import Pipeline

import warnings

# Ignore warnings

warnings.filterwarnings('ignore')

# Load Wine dataset

wine = load_wine()

X = wine.data

# 1. Create a pipeline that first applies standard scaling and then KMeans clustering

pipeline = Pipeline([

('scaler', StandardScaler()),

('kmeans', KMeans(n_clusters=3, random_state=0))

])

# 2. Apply the pipeline to the data

clusters = pipeline.fit_predict(X)

# Result distribution

plt.title('Cluster assignments:')

sns.countplot(x=clusters)

plt.show()

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 7. Capítulo 3