Studiu de caz – boala renală II: Feature Union

După ce ai imputat separat coloanele numerice și cele categoriale, sarcina ta acum este să folosești FeatureUnion din scikit-learn pentru a concatena rezultatele lor, care se află în două obiecte transformatoare separate – numeric_imputation_mapper și, respectiv, categorical_imputation_mapper.

S-ar putea să fi întâlnit deja FeatureUnion în cursul Machine Learning with the Experts: School Budgets. La fel ca în cazul pipeline-urilor, trebuie să îi transmiți o listă de tuple de tip (string, transformator), unde prima parte a fiecărui tuplu reprezintă numele transformatorului.

Acest exercițiu face parte din cursul

Gradient Boosting Extrem cu XGBoost

Vezi cursul

Instrucțiuni pentru exercițiu

Importă FeatureUnion din sklearn.pipeline.
Combină rezultatele lui numeric_imputation_mapper și categorical_imputation_mapper folosind FeatureUnion(), cu numele "num_mapper" și, respectiv, "cat_mapper".

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import FeatureUnion
from sklearn.pipeline import FeatureUnion

# Combine the numeric and categorical transformations
numeric_categorical_union = ____([
                                          ("____", ____),
                                          ("____", ____)
                                         ])

Editează și rulează codul