Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Desafio: Integrando Tudo | Modelagem
Introdução ao ML com Scikit-Learn

bookDesafio: Integrando Tudo

Neste desafio, será necessário aplicar todo o conhecimento adquirido ao longo do curso, desde o pré-processamento de dados até o treinamento e avaliação do modelo.

carousel-imgcarousel-imgcarousel-imgcarousel-imgcarousel-img
Tarefa

Swipe to start coding

  1. Codificação do alvo.
  2. Divisão dos dados de modo que 33% seja utilizado para o conjunto de teste e o restante para o conjunto de treinamento.
  3. Criação de um ColumnTransformer para codificar apenas as colunas 'island' e 'sex'. As demais colunas devem permanecer inalteradas. Utilização de um codificador apropriado para dados nominais.
  4. Preenchimento das lacunas em um param_grid para testar os seguintes valores para o número de vizinhos: [1, 3, 5, 7, 9, 12, 15, 20, 25].
  5. Criação de um objeto GridSearchCV com o KNeighborsClassifier como modelo.
  6. Construção de um pipeline que inicia com ct como o primeiro passo, seguido de imputação utilizando o valor mais frequente, padronização e finalizando com o GridSearchCV como estimador final.
  7. Treinamento do modelo utilizando o pipeline no conjunto de treinamento.
  8. Avaliação do modelo no conjunto de teste. (Imprimir o score)
  9. Obtenção da predição do alvo para X_test.
  10. Impressão do melhor estimador encontrado pelo grid_search.

Solução

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 4. Capítulo 10
single

single

Pergunte à IA

expand

Pergunte à IA

ChatGPT

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

close

Awesome!

Completion rate improved to 3.13

bookDesafio: Integrando Tudo

Deslize para mostrar o menu

Neste desafio, será necessário aplicar todo o conhecimento adquirido ao longo do curso, desde o pré-processamento de dados até o treinamento e avaliação do modelo.

carousel-imgcarousel-imgcarousel-imgcarousel-imgcarousel-img
Tarefa

Swipe to start coding

  1. Codificação do alvo.
  2. Divisão dos dados de modo que 33% seja utilizado para o conjunto de teste e o restante para o conjunto de treinamento.
  3. Criação de um ColumnTransformer para codificar apenas as colunas 'island' e 'sex'. As demais colunas devem permanecer inalteradas. Utilização de um codificador apropriado para dados nominais.
  4. Preenchimento das lacunas em um param_grid para testar os seguintes valores para o número de vizinhos: [1, 3, 5, 7, 9, 12, 15, 20, 25].
  5. Criação de um objeto GridSearchCV com o KNeighborsClassifier como modelo.
  6. Construção de um pipeline que inicia com ct como o primeiro passo, seguido de imputação utilizando o valor mais frequente, padronização e finalizando com o GridSearchCV como estimador final.
  7. Treinamento do modelo utilizando o pipeline no conjunto de treinamento.
  8. Avaliação do modelo no conjunto de teste. (Imprimir o score)
  9. Obtenção da predição do alvo para X_test.
  10. Impressão do melhor estimador encontrado pelo grid_search.

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

close

Awesome!

Completion rate improved to 3.13
Seção 4. Capítulo 10
single

single

some-alt