Desafío: Creación de un Pipeline Completo de ML
Ahora crea un pipeline que incluya un estimador final. Esto produce un pipeline de predicción entrenado que puede generar predicciones para nuevas instancias utilizando el método .predict().
Dado que un predictor requiere la variable objetivo y, codifícala por separado del pipeline construido para X. Utiliza LabelEncoder para codificar el objetivo.
Dado que las predicciones están codificadas como 0, 1 o 2, el método .inverse_transform() de LabelEncoder puede utilizarse para convertirlas de nuevo a las etiquetas originales: 'Adelie', 'Chinstrap' o 'Gentoo'.
Swipe to start coding
Se proporciona un DataFrame llamado df que contiene datos de pingüinos.
La tarea consiste en construir y entrenar un pipeline completo de aprendizaje automático que preprocese los datos y aplique un modelo KNeighborsClassifier.
- Codificar la variable objetivo
yutilizando la claseLabelEncoder. - Crear un
ColumnTransformerllamadoctque aplique unOneHotEncodera las columnas'island'y'sex', dejando las demás columnas sin cambios (remainder='passthrough'). - Crear un pipeline que incluya los siguientes pasos en orden:
- El
ColumnTransformerdefinido (ct); - Un
SimpleImputercon el parámetrostrategyestablecido en'most_frequent'; - Un
StandardScalerpara la normalización de características; - Un
KNeighborsClassifiercomo modelo final.
- Entrenar el pipeline con las características
Xy el objetivoy. - Generar predicciones para
Xutilizando el pipeline entrenado e imprimir los nombres de clase decodificados.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
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 3.13Desafío: Creación de un Pipeline Completo de ML
Desliza para mostrar el menú
Ahora crea un pipeline que incluya un estimador final. Esto produce un pipeline de predicción entrenado que puede generar predicciones para nuevas instancias utilizando el método .predict().
Dado que un predictor requiere la variable objetivo y, codifícala por separado del pipeline construido para X. Utiliza LabelEncoder para codificar el objetivo.
Dado que las predicciones están codificadas como 0, 1 o 2, el método .inverse_transform() de LabelEncoder puede utilizarse para convertirlas de nuevo a las etiquetas originales: 'Adelie', 'Chinstrap' o 'Gentoo'.
Swipe to start coding
Se proporciona un DataFrame llamado df que contiene datos de pingüinos.
La tarea consiste en construir y entrenar un pipeline completo de aprendizaje automático que preprocese los datos y aplique un modelo KNeighborsClassifier.
- Codificar la variable objetivo
yutilizando la claseLabelEncoder. - Crear un
ColumnTransformerllamadoctque aplique unOneHotEncodera las columnas'island'y'sex', dejando las demás columnas sin cambios (remainder='passthrough'). - Crear un pipeline que incluya los siguientes pasos en orden:
- El
ColumnTransformerdefinido (ct); - Un
SimpleImputercon el parámetrostrategyestablecido en'most_frequent'; - Un
StandardScalerpara la normalización de características; - Un
KNeighborsClassifiercomo modelo final.
- Entrenar el pipeline con las características
Xy el objetivoy. - Generar predicciones para
Xutilizando el pipeline entrenado e imprimir los nombres de clase decodificados.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
single
