LoslegenKostenlos starten

Pipeline zur Vorhersage von Genres: Teil 2

In der vorherigen Übung hast du die einzelnen Schritte der Pipeline eingerichtet. Jetzt wendest du sie auf den Datensatz music_df an, um das Genre der Songs zu klassifizieren. Pipelines sind nämlich vor allem deshalb so nützlich, weil sie sich ganz einfach anwenden lassen.

X_train, X_test, y_train und y_test sind bereits geladen und confusion_matrix wurde aus sklearn.metrics importiert.

Diese Übung ist Teil des Kurses

<Kurs>Überwachtes Lernen mit scikit-learn</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstelle eine Pipeline mit den Schritten, die du zuvor festgelegt hast.
  • Passe die Pipeline an die Trainingsdaten an.
  • Triff Vorhersagen für die Testdaten.
  • Berechne die Konfusionsmatrix und gib sie aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

steps = [("imputer", imp_mean),
        ("knn", knn)]

# Create the pipeline
pipeline = ____(____)

# Fit the pipeline to the training data
____

# Make predictions on the test set
y_pred = ____

# Print the confusion matrix
print(____(____, ____))
Code bearbeiten und ausführen