Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Utmaning: Skapa en Komplett ML-Pipeline | Pipelines
ML-Introduktion med Scikit-learn

bookUtmaning: 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.

Uppgift

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.

  1. Koda variabeln y.
  2. Skapa en pipeline som innehåller ct, SimpleImputer, StandardScaler och KNeighborsClassifier.
  3. Använd strategin 'most_frequent' med SimpleInputer.
  4. Träna objektet pipe med hjälp av funktionerna X och målet y.

Lösning

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 6
single

single

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

close

Awesome!

Completion rate improved to 3.13

bookUtmaning: 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.

Uppgift

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.

  1. Koda variabeln y.
  2. Skapa en pipeline som innehåller ct, SimpleImputer, StandardScaler och KNeighborsClassifier.
  3. Använd strategin 'most_frequent' med SimpleInputer.
  4. Träna objektet pipe med hjälp av funktionerna X och målet y.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

close

Awesome!

Completion rate improved to 3.13
Avsnitt 3. Kapitel 6
single

single

some-alt