Potok do przewidywania gatunku muzycznego: II
Po skonfigurowaniu kroków potoku w poprzednim ćwiczeniu użyjesz go teraz na zbiorze danych music_df, aby klasyfikować gatunki piosenek. Potoki są tak przydatne między innymi dlatego, że oferują prosty i spójny interfejs.
X_train, X_test, y_train i y_test zostały wcześniej wczytane, a confusion_matrix zaimportowana z sklearn.metrics.
To ćwiczenie jest częścią kursu
Nadzorowane uczenie maszynowe z scikit-learn
Instrukcje do ćwiczenia
- Utwórz potok, korzystając z kroków zdefiniowanych wcześniej.
- Dopasuj potok do danych treningowych.
- Wygeneruj przewidywania na zbiorze testowym.
- Oblicz i wyświetl macierz pomyłek.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
steps = [("imputer", imp_mean),
("knn", knn)]
# Create the pipeline
pipeline = ____(____)
# Fit the pipeline to the training data
____
# Make predictions on the test set
y_pred = ____
# Print the confusion matrix
print(____(____, ____))