1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Extreme Gradient Boosting with XGBoost
Connected

cvičení

Případová studie: onemocnění ledvin II – Feature Union

Teď, když máš zvlášť imputované numerické i kategorické sloupce, je tvým úkolem použít scikit-learnův FeatureUnion ke spojení jejich výsledků, které jsou uloženy ve dvou samostatných objektech transformátorů – numeric_imputation_mapper a categorical_imputation_mapper.

S FeatureUnion ses možná již setkal/a v kurzu Machine Learning with the Experts: School Budgets. Stejně jako u pipeline mu musíš předat seznam n-tic ve formátu (řetězec, transformátor), kde první část každé n-tice je název transformátoru.

Pokyny

100 XP
  • Importuj FeatureUnion z sklearn.pipeline.
  • Spoj výsledky numeric_imputation_mapper a categorical_imputation_mapper pomocí FeatureUnion() s názvy "num_mapper" a "cat_mapper".