Estudo de caso de doença renal II: Feature Union
Depois de imputar separadamente as colunas numéricas e categóricas, sua tarefa agora é usar a FeatureUnion do scikit-learn para concatenar seus resultados, que estão em dois objetos transformadores distintos — numeric_imputation_mapper e categorical_imputation_mapper, respectivamente.
Você talvez já tenha visto FeatureUnion em Machine Learning with the Experts: School Budgets. Assim como em pipelines, você precisa passar uma lista de tuplas (string, transformer), em que a primeira metade de cada tupla é o nome do transformador.
Este exercício faz parte do curso
Extreme Gradient Boosting com XGBoost
Instruções do exercício
- Importe
FeatureUniondesklearn.pipeline. - Combine os resultados de
numeric_imputation_mapperecategorical_imputation_mapperusandoFeatureUnion(), com os nomes"num_mapper"e"cat_mapper", respectivamente.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import FeatureUnion
from sklearn.pipeline import FeatureUnion
# Combine the numeric and categorical transformations
numeric_categorical_union = ____([
("____", ____),
("____", ____)
])