1. 学ぶ
    2. /
  2. コース
    3. /
  3. scikit-learn으로 배우는 Supervised Learning
Connected

演習

노래 인기 예측을 위한 파이프라인

마지막 연습 문제에서는 결측값을 대치하고, 특성을 스케일링하며, 로지스틱 회귀 모델의 하이퍼파라미터 튜닝을 수행하는 파이프라인을 구축합니다. 목표는 노래 장르를 예측할 때 최적의 파라미터와 정확도를 찾는 것입니다!

파이프라인을 만드는 데 필요한 모든 모델과 객체는 미리 로드되어 있습니다.

指示

100 XP
  • 간단한 임퓨터, 표준 스케일러, 로지스틱 회귀 모델을 호출해 파이프라인의 단계를 생성하세요.
  • 파이프라인 객체를 만들고 steps 변수를 전달하세요.
  • 파이프라인과 파라미터를 사용하여 교차 검증을 수행할 그리드 서치 객체를 인스턴스화하세요.
  • 최적의 파라미터를 출력하고, 그리드 서치 객체의 테스트 세트 정확도를 계산해 출력하세요.