Aprenda 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 usando o método .predict().

Como um preditor requer a variável alvo y, codifique-a separadamente do pipeline construído para X. Utilize o LabelEncoder para codificar o alvo.

Nota

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'.

Tarefa

Swipe to start coding

Você recebe um DataFrame chamado df que contém dados de pinguins. Sua tarefa é construir e treinar um pipeline completo de aprendizado de máquina que pré-processe os dados e aplique um modelo KNeighborsClassifier.

Codifique a variável alvo y utilizando a classe LabelEncoder.
Crie um ColumnTransformer chamado ct que aplique um OneHotEncoder às colunas 'island' e 'sex', mantendo as demais colunas inalteradas (remainder='passthrough').
Crie um pipeline que inclua as seguintes etapas, nesta ordem:

O ColumnTransformer definido anteriormente (ct);
Um SimpleImputer com o parâmetro strategy definido como 'most_frequent';
Um StandardScaler para padronização dos dados;
Um KNeighborsClassifier como modelo final.

Treine o pipeline utilizando as variáveis preditoras X e o alvo y.
Gere previsões para X utilizando o pipeline treinado e imprima os nomes das classes decodificados.

Solução

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 3. Capítulo 6

single

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Suggested prompts:

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

Deslize para mostrar o menu