Défi : 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.
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'
.
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
.
- Encoder la variable
y
. - Créer un pipeline contenant
ct
,SimpleImputer
,StandardScaler
etKNeighborsClassifier
. - Utiliser la stratégie
'most_frequent'
avecSimpleInputer
. - Entraîner l'objet
pipe
en utilisant les variables explicativesX
et la cibley
.
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 3.13
Défi : 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.
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'
.
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
.
- Encoder la variable
y
. - Créer un pipeline contenant
ct
,SimpleImputer
,StandardScaler
etKNeighborsClassifier
. - Utiliser la stratégie
'most_frequent'
avecSimpleInputer
. - Entraîner l'objet
pipe
en utilisant les variables explicativesX
et la cibley
.
Solution
Merci pour vos commentaires !
Awesome!
Completion rate improved to 3.13single