Utmaning: Skapa en Komplett ML-Pipeline
Nu ska vi skapa en korrekt pipeline med slutgiltig estimator. Som resultat får vi en tränad prediktionspipeline som kan användas för att förutsäga nya instanser genom att helt enkelt anropa metoden .predict()
.
För att träna en prediktor (modell) behöver du att y
är kodad. Detta görs separat från den pipeline vi bygger för X
. Kom ihåg att LabelEncoder
används för att koda målet.
Swipe to start coding
Du har samma penguins dataset. Uppgiften är att bygga en pipeline med KNeighborsClassifier
som slutlig estimator, träna den och förutsäga värden för X
själv.
- Koda variabeln
y
. - Skapa en pipeline som innehåller
ct
,SimpleImputer
,StandardScaler
ochKNeighborsClassifier
. - Använd strategin
'most_frequent'
medSimpleInputer
. - Träna objektet
pipe
med hjälp av funktionernaX
och målety
.
Lösning
Tack för dina kommentarer!
single
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Awesome!
Completion rate improved to 3.13
Utmaning: Skapa en Komplett ML-Pipeline
Svep för att visa menyn
Nu ska vi skapa en korrekt pipeline med slutgiltig estimator. Som resultat får vi en tränad prediktionspipeline som kan användas för att förutsäga nya instanser genom att helt enkelt anropa metoden .predict()
.
För att träna en prediktor (modell) behöver du att y
är kodad. Detta görs separat från den pipeline vi bygger för X
. Kom ihåg att LabelEncoder
används för att koda målet.
Swipe to start coding
Du har samma penguins dataset. Uppgiften är att bygga en pipeline med KNeighborsClassifier
som slutlig estimator, träna den och förutsäga värden för X
själv.
- Koda variabeln
y
. - Skapa en pipeline som innehåller
ct
,SimpleImputer
,StandardScaler
ochKNeighborsClassifier
. - Använd strategin
'most_frequent'
medSimpleInputer
. - Träna objektet
pipe
med hjälp av funktionernaX
och målety
.
Lösning
Tack för dina kommentarer!
Awesome!
Completion rate improved to 3.13single