Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Défi : Création d’un Pipeline ML Complet | Pipelines
Introduction au ML Avec Scikit-Learn

bookDéfi : Création d’un Pipeline ML Complet

Créez maintenant un pipeline qui inclut un estimateur final. Cela produit un pipeline d'apprentissage entraîné capable de générer des prédictions pour de nouveaux exemples à l'aide de la méthode .predict().

Comme un prédicteur nécessite la variable cible y, encodez-la séparément du pipeline construit pour X. Utilisez LabelEncoder pour encoder la cible.

Note
Remarque

Comme les prédictions sont encodées sous forme de 0, 1 ou 2, la méthode .inverse_transform() de LabelEncoder peut être utilisée pour les reconvertir en étiquettes d'origine : 'Adelie', 'Chinstrap' ou 'Gentoo'.

Tâche

Swipe to start coding

Utilisez le jeu de données des manchots pour construire un pipeline avec KNeighborsClassifier comme estimateur final. Entraînez le pipeline sur le jeu de données et générez des prédictions pour X.

  1. Encoder la variable y.
  2. Créer un pipeline contenant ct, SimpleImputer, StandardScaler et KNeighborsClassifier.
  3. Utiliser la stratégie 'most_frequent' avec SimpleInputer.
  4. Entraîner l'objet pipe en utilisant les variables explicatives X et la cible y.

Solution

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 3. Chapitre 6
single

single

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

close

Awesome!

Completion rate improved to 3.13

bookDéfi : Création d’un Pipeline ML Complet

Glissez pour afficher le menu

Créez maintenant un pipeline qui inclut un estimateur final. Cela produit un pipeline d'apprentissage entraîné capable de générer des prédictions pour de nouveaux exemples à l'aide de la méthode .predict().

Comme un prédicteur nécessite la variable cible y, encodez-la séparément du pipeline construit pour X. Utilisez LabelEncoder pour encoder la cible.

Note
Remarque

Comme les prédictions sont encodées sous forme de 0, 1 ou 2, la méthode .inverse_transform() de LabelEncoder peut être utilisée pour les reconvertir en étiquettes d'origine : 'Adelie', 'Chinstrap' ou 'Gentoo'.

Tâche

Swipe to start coding

Utilisez le jeu de données des manchots pour construire un pipeline avec KNeighborsClassifier comme estimateur final. Entraînez le pipeline sur le jeu de données et générez des prédictions pour X.

  1. Encoder la variable y.
  2. Créer un pipeline contenant ct, SimpleImputer, StandardScaler et KNeighborsClassifier.
  3. Utiliser la stratégie 'most_frequent' avec SimpleInputer.
  4. Entraîner l'objet pipe en utilisant les variables explicatives X et la cible y.

Solution

Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

close

Awesome!

Completion rate improved to 3.13
Section 3. Chapitre 6
single

single

some-alt