Вивчайте Завдання: Створення Повного ML-Пайплайна

Тепер створіть конвеєр, який включає фінальний оцінювач. Це дозволяє отримати навчений конвеєр для прогнозування, який може генерувати передбачення для нових екземплярів за допомогою методу .predict().

Оскільки предиктор вимагає наявності цільової змінної y, закодуйте її окремо від конвеєра, побудованого для X. Використовуйте LabelEncoder для кодування цілі.

Примітка

Оскільки передбачення закодовані як 0, 1 або 2, метод .inverse_transform() з LabelEncoder можна використати для перетворення їх назад у початкові мітки: 'Adelie', 'Chinstrap' або 'Gentoo'.

Завдання

Swipe to start coding

У вас є DataFrame пінгвінів df. Побудуйте та навчіть повний ML-пайплайн, використовуючи KNeighborsClassifier.

Закодуйте цільову змінну y за допомогою LabelEncoder.
Створіть ColumnTransformer (ct), який застосовує OneHotEncoder до стовпців 'island' та 'sex', з параметром remainder='passthrough'.
Побудуйте пайплайн з такими кроками: • ct • SimpleImputer(strategy='most_frequent') • StandardScaler • KNeighborsClassifier
Навчіть пайплайн на X та y.
Зробіть передбачення на X та виведіть перші декодовані назви класів.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 6

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

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

Свайпніть щоб показати меню