Studi kasus penyakit ginjal II: Feature Union

Setelah secara terpisah melakukan imputasi pada kolom numerik dan juga kategorikal, tugas Anda sekarang adalah menggunakan FeatureUnion dari scikit-learn untuk menggabungkan hasilnya, yang masing-masing berada dalam dua objek transformer terpisah - numeric_imputation_mapper dan categorical_imputation_mapper.

Anda mungkin sudah pernah menjumpai FeatureUnion di Machine Learning with the Experts: School Budgets. Sama seperti pipeline, Anda harus memberikannya sebuah daftar tuple (string, transformer), di mana bagian pertama dari setiap tuple adalah nama transformernya.

Latihan ini adalah bagian dari kursus

Extreme Gradient Boosting dengan XGBoost

Lihat Kursus

Petunjuk latihan

Impor FeatureUnion dari sklearn.pipeline.
Gabungkan hasil numeric_imputation_mapper dan categorical_imputation_mapper menggunakan FeatureUnion(), masing-masing dengan nama "num_mapper" dan "cat_mapper".

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import FeatureUnion
from sklearn.pipeline import FeatureUnion

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

Edit dan Jalankan Kode