Завдання: Створення Повного ML-Пайплайна
Тепер створіть конвеєр, який містить фінальний оцінювач. Це дозволяє отримати навчений конвеєр для прогнозування, який може генерувати передбачення для нових зразків за допомогою методу .predict()
.
Оскільки предиктор потребує цільової змінної y
, закодуйте її окремо від конвеєра, побудованого для X
. Використовуйте LabelEncoder
для кодування цілі.
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'
.
Swipe to start coding
Використайте penguins dataset для побудови конвеєра з KNeighborsClassifier
як фінальним оцінювачем. Навчіть конвеєр на цьому наборі даних і згенеруйте передбачення для X
.
- Закодуйте змінну
y
. - Створіть конвеєр, що містить
ct
,SimpleImputer
,StandardScaler
таKNeighborsClassifier
. - Використайте стратегію
'most_frequent'
зSimpleInputer
. - Навчіть об'єкт
pipe
, використовуючи ознакиX
та цільову зміннуy
.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
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
Завдання: Створення Повного ML-Пайплайна
Свайпніть щоб показати меню
Тепер створіть конвеєр, який містить фінальний оцінювач. Це дозволяє отримати навчений конвеєр для прогнозування, який може генерувати передбачення для нових зразків за допомогою методу .predict()
.
Оскільки предиктор потребує цільової змінної y
, закодуйте її окремо від конвеєра, побудованого для X
. Використовуйте LabelEncoder
для кодування цілі.
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'
.
Swipe to start coding
Використайте penguins dataset для побудови конвеєра з KNeighborsClassifier
як фінальним оцінювачем. Навчіть конвеєр на цьому наборі даних і згенеруйте передбачення для X
.
- Закодуйте змінну
y
. - Створіть конвеєр, що містить
ct
,SimpleImputer
,StandardScaler
таKNeighborsClassifier
. - Використайте стратегію
'most_frequent'
зSimpleInputer
. - Навчіть об'єкт
pipe
, використовуючи ознакиX
та цільову зміннуy
.
Рішення
Дякуємо за ваш відгук!
single