1. Учиться
    2. /
  2. Courses
    3. /
  3. scikit-learn で学ぶ Supervised Learning
Connected

Exercise

楽曲の人気度を予測するパイプライン

最後の演習では、欠損値の代入、特徴量のスケーリング、そしてロジスティック回帰モデルのハイパーパラメータチューニングを行うパイプラインを構築します。目的は、楽曲のジャンルを予測するときの最適なパラメータと精度を見つけることです！

パイプラインの構築に必要なモデルやオブジェクトはすべて事前に読み込まれています。

Инструкции

100 XP
  • シンプルインピューター、標準化スケーラー、ロジスティック回帰モデルを呼び出して、パイプラインのステップを作成します。
  • パイプラインオブジェクトを作成し、steps 変数を渡します。
  • パイプラインとパラメータを用いて交差検証を行うグリッドサーチオブジェクトをインスタンス化します。
  • 最適パラメータを出力し、グリッドサーチオブジェクトのテストセットに対する精度スコアを計算して表示します。