Завдання: Створення Повного ML-Пайплайна
Тепер створіть конвеєр, який включає фінальний оцінювач. Це дозволяє отримати навчений конвеєр для прогнозування, який може генерувати передбачення для нових зразків за допомогою методу .predict().
Оскільки предиктор потребує цільової змінної y, закодуйте її окремо від конвеєра, побудованого для X. Використовуйте LabelEncoder для кодування цілі.
Оскільки передбачення закодовані як 0, 1 або 2, метод .inverse_transform() з LabelEncoder можна використати для перетворення їх назад у початкові мітки: 'Adelie', 'Chinstrap' або 'Gentoo'.
Swipe to start coding
Використайте набір даних penguins для побудови конвеєра з KNeighborsClassifier як фінальним оцінювачем. Навчіть конвеєр на цьому наборі даних і згенеруйте передбачення для X.
- Закодуйте змінну
y. - Створіть конвеєр, що містить
ct,SimpleImputer,StandardScalerтаKNeighborsClassifier. - Використайте стратегію
'most_frequent'ізSimpleInputer. - Навчіть об'єкт
pipe, використовуючи ознакиXта цільову зміннуy.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Can you show me how to use LabelEncoder for the target variable?
What is a final estimator in a pipeline?
How do I use the trained pipeline to make predictions?
Awesome!
Completion rate improved to 3.13Завдання: Створення Повного ML-Пайплайна
Свайпніть щоб показати меню
Тепер створіть конвеєр, який включає фінальний оцінювач. Це дозволяє отримати навчений конвеєр для прогнозування, який може генерувати передбачення для нових зразків за допомогою методу .predict().
Оскільки предиктор потребує цільової змінної y, закодуйте її окремо від конвеєра, побудованого для X. Використовуйте LabelEncoder для кодування цілі.
Оскільки передбачення закодовані як 0, 1 або 2, метод .inverse_transform() з LabelEncoder можна використати для перетворення їх назад у початкові мітки: 'Adelie', 'Chinstrap' або 'Gentoo'.
Swipe to start coding
Використайте набір даних penguins для побудови конвеєра з KNeighborsClassifier як фінальним оцінювачем. Навчіть конвеєр на цьому наборі даних і згенеруйте передбачення для X.
- Закодуйте змінну
y. - Створіть конвеєр, що містить
ct,SimpleImputer,StandardScalerтаKNeighborsClassifier. - Використайте стратегію
'most_frequent'ізSimpleInputer. - Навчіть об'єкт
pipe, використовуючи ознакиXта цільову зміннуy.
Рішення
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
Awesome!
Completion rate improved to 3.13single
