Fallstudie Nierenerkrankung II: Feature Union

Nachdem du numerische und kategoriale Spalten getrennt imputiert hast, sollst du jetzt scikit-learns FeatureUnion verwenden, um ihre Ergebnisse zu verketten. Diese liegen in zwei separaten Transformer-Objekten vor – numeric_imputation_mapper und categorical_imputation_mapper.

Vielleicht bist du FeatureUnion bereits in Machine Learning with the Experts: School Budgets begegnet. Genau wie bei Pipelines übergibst du eine Liste von (string, transformer)-Tupeln, wobei die erste Hälfte jedes Tupels der Name des Transformers ist.

Diese Übung ist Teil des Kurses

Extreme Gradient Boosting mit XGBoost

Kurs anzeigen

Anleitung zur Übung

Importiere FeatureUnion aus sklearn.pipeline.
Kombiniere die Ergebnisse von numeric_imputation_mapper und categorical_imputation_mapper mit FeatureUnion(), und verwende dafür die Namen "num_mapper" bzw. "cat_mapper".

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import FeatureUnion
from sklearn.pipeline import FeatureUnion

# Combine the numeric and categorical transformations
numeric_categorical_union = ____([
                                          ("____", ____),
                                          ("____", ____)
                                         ])

Code bearbeiten und ausführen