1. 学ぶ
    2. /
  2. コース
    3. /
  3. Proiectarea fluxurilor de lucru pentru Machine Learning în Python
Connected

演習

Transformatoare cu funcții personalizate în pipeline-uri

La un moment dat, ai aflat că senzorii ar putea funcționa mai slab în cazul persoanelor obeze. Anterior, ai rezolvat această problemă folosind ponderi, dar acum te gândești că această informație ar putea fi utilă și pentru ingineria caracteristicilor — așa că decizi să înlocuiești greutatea înregistrată a unei persoane cu un indicator care arată dacă aceasta este obeză. Vrei să faci acest lucru folosind pipeline-uri. Ai la dispoziție numpy ca np, RandomForestClassifier(), FunctionTransformer() și GridSearchCV().

指示

100 XP
  • Definește un extractor de caracteristici personalizat. Acesta este o funcție care va returna o copie modificată a intrării sale.
  • Înlocuiește fiecare valoare din prima coloană cu indicatorul care arată dacă acea valoare depășește un prag dat de un multiplu al mediei coloanei.
  • Convertește extractorul de caracteristici de mai sus într-un transformator și plasează-l într-un pipeline împreună cu un clasificator de tip random forest.
  • Folosește grid search CV pentru a testa valorile 1, 2 și 3 pentru constanta de multiplicare multiplier din extractorul tău de caracteristici.