Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Завдання: Створення Повного ML-Пайплайна | Конвеєри
Вступ до ML з Використанням Scikit-learn

bookЗавдання: Створення Повного ML-Пайплайна

Тепер створимо коректний конвеєр із фінальним оцінювачем. У результаті отримаємо навчений конвеєр для прогнозування, який можна використовувати для передбачення нових випадків простим викликом методу .predict().

Для навчання предиктора (моделі) потрібно, щоб y був закодований. Це виконується окремо від конвеєра, який ми будуємо для X. Пам'ятайте, що для кодування цільової змінної використовується LabelEncoder.

Завдання

Swipe to start coding

Використовується той самий penguins dataset. Завдання полягає у створенні конвеєра з KNeighborsClassifier як фінальним оцінювачем, навчанні його та прогнозуванні значень для самого X.

  1. Закодувати змінну y.
  2. Створити конвеєр, що містить ct, SimpleImputer, StandardScaler та KNeighborsClassifier.
  3. Використати стратегію 'most_frequent' з SimpleInputer.
  4. Навчити об'єкт pipe, використовуючи ознаки X та цільову змінну y.

Рішення

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 3. Розділ 6
single

single

Запитати АІ

expand

Запитати АІ

ChatGPT

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

close

Awesome!

Completion rate improved to 3.13

bookЗавдання: Створення Повного ML-Пайплайна

Свайпніть щоб показати меню

Тепер створимо коректний конвеєр із фінальним оцінювачем. У результаті отримаємо навчений конвеєр для прогнозування, який можна використовувати для передбачення нових випадків простим викликом методу .predict().

Для навчання предиктора (моделі) потрібно, щоб y був закодований. Це виконується окремо від конвеєра, який ми будуємо для X. Пам'ятайте, що для кодування цільової змінної використовується LabelEncoder.

Завдання

Swipe to start coding

Використовується той самий penguins dataset. Завдання полягає у створенні конвеєра з KNeighborsClassifier як фінальним оцінювачем, навчанні його та прогнозуванні значень для самого X.

  1. Закодувати змінну y.
  2. Створити конвеєр, що містить ct, SimpleImputer, StandardScaler та KNeighborsClassifier.
  3. Використати стратегію 'most_frequent' з SimpleInputer.
  4. Навчити об'єкт pipe, використовуючи ознаки X та цільову змінну y.

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

close

Awesome!

Completion rate improved to 3.13
Секція 3. Розділ 6
single

single

some-alt