Pipeline pour la prédiction du genre musical : II
Après avoir défini les étapes du pipeline dans l'exercice précédent, vous allez maintenant l'utiliser sur l'ensemble de données music_df pour classifier le genre des chansons. Ce qui rend les pipelines si utiles, c'est l'interface simple qu'ils offrent.
X_train, X_test, y_train et y_test ont été préchargés pour vous, et confusion_matrix a été importée de sklearn.metrics.
Cette activité fait partie du cours
Apprentissage supervisé avec scikit-learn
Instructions de l’exercice
- Créez un pipeline en utilisant les étapes que vous avez déjà définies.
- Ajustez le pipeline sur les données d'entraînement.
- Faites des prédictions sur l'ensemble de test.
- Calculez et affichez la matrice de confusion.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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(____(____, ____))