Przetwarzanie wstępne w potoku

Wiesz już, jakie kroki trzeba wykonać osobno, aby poprawnie przetworzyć dane dotyczące cen nieruchomości z Ames. Teraz skorzystaj z wygodniejszego podejścia opartego na DictVectorizer i umieść go razem z XGBoostRegressor wewnątrz potoku scikit-learn.

To ćwiczenie jest częścią kursu

Extreme Gradient Boosting with XGBoost

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj DictVectorizer z sklearn.feature_extraction oraz Pipeline z sklearn.pipeline.
Uzupełnij brakujące wartości w kolumnie LotFrontage zbioru X wartością 0.
Uzupełnij kroki potoku: użyj DictVectorizer(sparse=False) dla "ohe_onestep" oraz xgb.XGBRegressor() dla "xgb_model".
Utwórz potok za pomocą Pipeline() i steps.
Dopasuj potok. Pamiętaj, aby przekonwertować X do formatu zrozumiałego dla DictVectorizer, wywołując na nim metodę to_dict("records").

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import necessary modules
____
____

# Fill LotFrontage missing values with 0
X.LotFrontage = ____

# Setup the pipeline steps: steps
steps = [("ohe_onestep", ____),
         ("xgb_model", ____)]

# Create the pipeline: xgb_pipeline
xgb_pipeline = ____

# Fit the pipeline
____

Edytuj i uruchom kod