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

ćwiczenie

Studium przypadku – choroba nerek, część III: Pełny potok

Czas połączyć wszystkie transformacje wraz z XGBClassifier, aby zbudować pełny potok!

Oprócz numeric_categorical_union, który utworzyłeś(-aś) w poprzednim ćwiczeniu, potrzebne są jeszcze dwie transformacje: Dictifier() – przygotowana dla ciebie – oraz DictVectorizer().

Po utworzeniu potoku przeprowadź jego kroswalidację, aby ocenić jego skuteczność.

Instrukcje

100 XP
  • Utwórz potok, korzystając z transformacji numeric_categorical_union, Dictifier() i DictVectorizer(sort=False) oraz estymatora xgb.XGBClassifier() z parametrem max_depth=3. Nadaj transformacjom nazwy "featureunion", "dictifier", "vectorizer", a estymatorowi – "clf".
  • Przeprowadź 3-krotną kroswalidację potoku pipeline za pomocą cross_val_score(). Przekaż jej potok pipeline, cechy kidney_data, wartości docelowe y, a także ustaw scoring na "roc_auc" i cv na 3.