1. 学ぶ
    2. /
  2. コース
    3. /
  3. XGBoost で学ぶ極限の勾配ブースティング
Connected

演習

腎疾患ケーススタディ II: Feature Union

数値列とカテゴリ列をそれぞれ個別に補完できたので、次は scikit-learn の FeatureUnion を使って、それぞれの結果を結合します。結果は 2 つの別々の変換器オブジェクト numeric_imputation_mapper と categorical_imputation_mapper に入っています。

FeatureUnion には、すでに Machine Learning with the Experts: School Budgets で触れているかもしれません。パイプラインと同様に、(string, transformer) のタプルのリストを渡します。各タプルの前半は変換器の名前です。

指示

100 XP
  • sklearn.pipeline から FeatureUnion をインポートします。
  • FeatureUnion() を使って、numeric_imputation_mapper と categorical_imputation_mapper の結果を結合し、それぞれの名前を "num_mapper"、"cat_mapper" とします。