ACP dans un pipeline de modèle
Nous avons vu que les Pokémon légendaires ont généralement des statistiques plus élevées. Voyons si nous pouvons ajouter un classifieur à notre pipeline pour distinguer les Pokémon légendaires des non-légendaires à partir des composantes principales.
Les données ont été préchargées et séparées en ensembles d’entraînement et de test : X_train, X_test, y_train, y_test.
Il en va de même pour tous les packages et classes pertinents (Pipeline(), StandardScaler(), PCA(), RandomForestClassifier()).
Cet exercice fait partie du cours
<cours>Réduction de dimension en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Build the pipeline
pipe = Pipeline([
('scaler', ____),
('reducer', ____),
('classifier', ____)])