Estudio de caso sobre enfermedad renal II: Feature Union
Después de imputar por separado las columnas numéricas y las categóricas, tu tarea ahora es usar el FeatureUnion de scikit-learn para concatenar sus resultados, que están contenidos en dos objetos transformadores distintos: numeric_imputation_mapper y categorical_imputation_mapper.
Puede que ya te hayas encontrado con FeatureUnion en Machine Learning with the Experts: School Budgets. Al igual que con las pipelines, debes pasarle una lista de tuplas (string, transformer), donde la primera parte de cada tupla es el nombre del transformador.
Este ejercicio forma parte del curso
Extreme Gradient Boosting con XGBoost
Instrucciones del ejercicio
- Importa
FeatureUniondesdesklearn.pipeline. - Combina los resultados de
numeric_imputation_mapperycategorical_imputation_mapperusandoFeatureUnion(), con los nombres"num_mapper"y"cat_mapper", respectivamente.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import FeatureUnion
from sklearn.pipeline import FeatureUnion
# Combine the numeric and categorical transformations
numeric_categorical_union = ____([
("____", ____),
("____", ____)
])