1. Nauka
    2. /
  2. Kursy
    3. /
  3. Extreme Gradient Boosting with XGBoost
Connected

ćwiczenie

Studium przypadku – choroba nerek II: Feature Union

Po osobnym uzupełnieniu brakujących wartości w kolumnach liczbowych i kategorycznych, teraz połącz ich wyniki za pomocą FeatureUnion z biblioteki scikit-learn. Wyniki te są przechowywane w dwóch osobnych obiektach transformatorów: numeric_imputation_mapper oraz categorical_imputation_mapper.

Możliwe, że FeatureUnion widziałeś już w kursie Machine Learning with the Experts: School Budgets. Podobnie jak w przypadku potoków, musisz przekazać listę krotek (string, transformator), gdzie pierwsza część każdej krotki to nazwa transformatora.

Instrukcje

100 XP
  • Zaimportuj FeatureUnion z sklearn.pipeline.
  • Połącz wyniki numeric_imputation_mapper i categorical_imputation_mapper za pomocą FeatureUnion(), używając odpowiednio nazw "num_mapper" i "cat_mapper".