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.

To ćwiczenie jest częścią kursu

Extreme Gradient Boosting with XGBoost

Zobacz kurs

Instrukcje do ćwiczenia

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".

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import FeatureUnion
from sklearn.pipeline import FeatureUnion

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

Edytuj i uruchom kod