Вивчайте Завдання: Підсумкове Застосування

У цьому завданні застосуйте повний робочий процес, вивчений у курсі — від попередньої обробки даних до навчання та оцінювання моделі.

Завдання

Swipe to start coding

Ви працюєте з набором даних про пінгвінів. Побудуйте ML-пайплайн для класифікації видів за допомогою KNN, обробляючи кодування, пропущені значення, масштабування та налаштування параметрів.

Закодуйте y за допомогою LabelEncoder.
Розділіть дані за допомогою train_test_split(test_size=0.33).
Створіть ct: OneHotEncoder для 'island', 'sex', remainder='passthrough'.
Встановіть param_grid для n_neighbors, weights, p.
Створіть GridSearchCV(KNeighborsClassifier(), param_grid).
Пайплайн: ct → SimpleImputer('most_frequent') → StandardScaler → GridSearchCV.
Навчіть на тренувальних даних.
Виведіть .score на тестових даних.
Зробіть передбачення, виведіть перші 5 декодованих міток.
Виведіть .best_estimator_.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 4. Розділ 10

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Suggested prompts:

Can you explain the steps involved in the full workflow shown here?

What is the purpose of each tool or method depicted in the images?

Can you provide a summary of how these components work together in a machine learning project?

Свайпніть щоб показати меню