Desafio: Criando um Pipeline Completo de ML
Agora crie um pipeline que inclua um estimador final. Isso produz um pipeline de predição treinado que pode gerar previsões para novas instâncias utilizando o método .predict()
.
Como um preditor requer a variável alvo y
, faça a codificação dela separadamente do pipeline construído para X
. Utilize o LabelEncoder
para codificar o alvo.
Como as previsões são codificadas como 0, 1 ou 2, o método .inverse_transform()
do LabelEncoder
pode ser utilizado para convertê-las de volta para os rótulos originais: 'Adelie'
, 'Chinstrap'
ou 'Gentoo'
.
Swipe to start coding
Utilize o conjunto de dados dos pinguins para construir um pipeline com KNeighborsClassifier
como estimador final. Treine o pipeline no conjunto de dados e gere previsões para X
.
- Codifique a variável
y
. - Crie um pipeline contendo
ct
,SimpleImputer
,StandardScaler
eKNeighborsClassifier
. - Utilize a estratégia
'most_frequent'
com oSimpleInputer
. - Treine o objeto
pipe
utilizando as featuresX
e o alvoy
.
Solução
Obrigado pelo seu feedback!
single
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
How do I use LabelEncoder to encode the target variable?
Can you show me how to add a final estimator to the pipeline?
What is the purpose of encoding the target variable separately from the features?
Awesome!
Completion rate improved to 3.13
Desafio: Criando um Pipeline Completo de ML
Deslize para mostrar o menu
Agora crie um pipeline que inclua um estimador final. Isso produz um pipeline de predição treinado que pode gerar previsões para novas instâncias utilizando o método .predict()
.
Como um preditor requer a variável alvo y
, faça a codificação dela separadamente do pipeline construído para X
. Utilize o LabelEncoder
para codificar o alvo.
Como as previsões são codificadas como 0, 1 ou 2, o método .inverse_transform()
do LabelEncoder
pode ser utilizado para convertê-las de volta para os rótulos originais: 'Adelie'
, 'Chinstrap'
ou 'Gentoo'
.
Swipe to start coding
Utilize o conjunto de dados dos pinguins para construir um pipeline com KNeighborsClassifier
como estimador final. Treine o pipeline no conjunto de dados e gere previsões para X
.
- Codifique a variável
y
. - Crie um pipeline contendo
ct
,SimpleImputer
,StandardScaler
eKNeighborsClassifier
. - Utilize a estratégia
'most_frequent'
com oSimpleInputer
. - Treine o objeto
pipe
utilizando as featuresX
e o alvoy
.
Solução
Obrigado pelo seu feedback!
single