Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Desafio de Codificação | Preprocessing Data with Scikit-learn
course content

Conteúdo do Curso

ML Introduction with scikit-learn

1. Conceitos de Aprendizado de Máquina

O que é MLTipos de Aprendizado de MáquinaConjunto de TreinamentoTipos de DadosFluxo de Trabalho de Aprendizado de Máquina

2. Pré-processamento de Dados com Scikit-learn

Conceitos do Scikit-learnFamiliarizando-se com o Conjunto de DadosLidando com Valores AusentesDesafio de ImputaçãoCodificadorOrdinalCodificador One-HotCodificadorDeEtiquetasDesafio de CodificaçãoPor Que Escalar os Dados?StandardScaler, MinMaxScaler, MaxAbsScalerDesafio de EscalabilidadeResumo de Pré-processamento

3. Dutos

O que é PipelineTransformadorDeColunaDutoDesafio de Criação de um PipelineEstimador FinalDesafio do Estimador Final

4. Modelagem

ModelosClassificadorKNeighborsAvaliando um Modelo. Divisão Treino-Teste.Validação CruzadaDesafio de Validação CruzadaGridSearchCVO Defeito do GridSearchCVDesafio de Ajuste de Hiperparâmetros com RandomizedSearchCVResumo da ModelagemUnindo Tudo

ML Introduction with scikit-learn

Desafio de CodificaçãoDesafio de Codificação

Para resumir os três capítulos anteriores, aqui está uma tabela mostrando qual codificador você deve usar.

ColunaCodificador
X, valores ordinaisOrdinalEncoder
X, valores nominaisOneHotEncoder
yLabelEncoder

Neste desafio, você tem o arquivo de dados dos Pinguins (sem valores faltantes). Você precisa lidar com todos os valores categóricos, incluindo o alvo (coluna 'species'). Aqui está o lembrete dos dados com os quais você trabalhará:

Aqui 'island' e 'sex' são características categóricas e 'species' é um alvo categórico.

Tarefa

Codifique todos os valores categóricos. Para isso, é necessário escolher o codificador correto para as colunas 'island' e 'sex' e seguir as etapas.

  1. Importe o codificador correto para as características.
  2. Inicialize o objeto codificador de características.
  3. Ajuste e transforme as colunas de recursos categóricos usando o objeto feature_enc.
  4. Ajuste e transforme o alvo usando LabelEncoder.

Tudo estava claro?

Seção 2. Capítulo 8
toggle bottom row
course content

Conteúdo do Curso

ML Introduction with scikit-learn

1. Conceitos de Aprendizado de Máquina

O que é MLTipos de Aprendizado de MáquinaConjunto de TreinamentoTipos de DadosFluxo de Trabalho de Aprendizado de Máquina

2. Pré-processamento de Dados com Scikit-learn

Conceitos do Scikit-learnFamiliarizando-se com o Conjunto de DadosLidando com Valores AusentesDesafio de ImputaçãoCodificadorOrdinalCodificador One-HotCodificadorDeEtiquetasDesafio de CodificaçãoPor Que Escalar os Dados?StandardScaler, MinMaxScaler, MaxAbsScalerDesafio de EscalabilidadeResumo de Pré-processamento

3. Dutos

O que é PipelineTransformadorDeColunaDutoDesafio de Criação de um PipelineEstimador FinalDesafio do Estimador Final

4. Modelagem

ModelosClassificadorKNeighborsAvaliando um Modelo. Divisão Treino-Teste.Validação CruzadaDesafio de Validação CruzadaGridSearchCVO Defeito do GridSearchCVDesafio de Ajuste de Hiperparâmetros com RandomizedSearchCVResumo da ModelagemUnindo Tudo

ML Introduction with scikit-learn

Desafio de CodificaçãoDesafio de Codificação

Para resumir os três capítulos anteriores, aqui está uma tabela mostrando qual codificador você deve usar.

ColunaCodificador
X, valores ordinaisOrdinalEncoder
X, valores nominaisOneHotEncoder
yLabelEncoder

Neste desafio, você tem o arquivo de dados dos Pinguins (sem valores faltantes). Você precisa lidar com todos os valores categóricos, incluindo o alvo (coluna 'species'). Aqui está o lembrete dos dados com os quais você trabalhará:

Aqui 'island' e 'sex' são características categóricas e 'species' é um alvo categórico.

Tarefa

Codifique todos os valores categóricos. Para isso, é necessário escolher o codificador correto para as colunas 'island' e 'sex' e seguir as etapas.

  1. Importe o codificador correto para as características.
  2. Inicialize o objeto codificador de características.
  3. Ajuste e transforme as colunas de recursos categóricos usando o objeto feature_enc.
  4. Ajuste e transforme o alvo usando LabelEncoder.

Tudo estava claro?

Seção 2. Capítulo 8
toggle bottom row
some-alt