Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Udfordring: Oprettelse af en Komplet ML-Pipeline | Pipelines
ML Introduktion med Scikit-learn

bookUdfordring: Oprettelse af en Komplet ML-Pipeline

Opret nu en pipeline, der inkluderer en slutestimator. Dette giver en trænet forudsigelses-pipeline, som kan generere forudsigelser for nye instanser ved hjælp af .predict()-metoden.

Da en prædiktor kræver målvariablen y, skal denne kodes separat fra den pipeline, der er opbygget til X. Brug LabelEncoder til at kode target.

Note
Bemærk

Da forudsigelserne er kodet som 0, 1 eller 2, kan .inverse_transform()-metoden fra LabelEncoder bruges til at konvertere dem tilbage til de oprindelige etiketter: 'Adelie', 'Chinstrap' eller 'Gentoo'.

Opgave

Swipe to start coding

Brug penguins-datasættet til at opbygge en pipeline med KNeighborsClassifier som den endelige estimator. Træn pipelinen på datasættet og generér forudsigelser for X.

  1. Kod variablen y.
  2. Opret en pipeline, der indeholder ct, SimpleImputer, StandardScaler og KNeighborsClassifier.
  3. Brug strategien 'most_frequent' med SimpleInputer.
  4. Træn objektet pipe ved at bruge features X og target y.

Løsning

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 3. Kapitel 6
single

single

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

close

Awesome!

Completion rate improved to 3.13

bookUdfordring: Oprettelse af en Komplet ML-Pipeline

Stryg for at vise menuen

Opret nu en pipeline, der inkluderer en slutestimator. Dette giver en trænet forudsigelses-pipeline, som kan generere forudsigelser for nye instanser ved hjælp af .predict()-metoden.

Da en prædiktor kræver målvariablen y, skal denne kodes separat fra den pipeline, der er opbygget til X. Brug LabelEncoder til at kode target.

Note
Bemærk

Da forudsigelserne er kodet som 0, 1 eller 2, kan .inverse_transform()-metoden fra LabelEncoder bruges til at konvertere dem tilbage til de oprindelige etiketter: 'Adelie', 'Chinstrap' eller 'Gentoo'.

Opgave

Swipe to start coding

Brug penguins-datasættet til at opbygge en pipeline med KNeighborsClassifier som den endelige estimator. Træn pipelinen på datasættet og generér forudsigelser for X.

  1. Kod variablen y.
  2. Opret en pipeline, der indeholder ct, SimpleImputer, StandardScaler og KNeighborsClassifier.
  3. Brug strategien 'most_frequent' med SimpleInputer.
  4. Træn objektet pipe ved at bruge features X og target y.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

close

Awesome!

Completion rate improved to 3.13
Sektion 3. Kapitel 6
single

single

some-alt