Pipeline för förutsägelse av musikgenre: II
Nu när du har definierat stegen i pipelinen i föregående övning är det dags att använda den på datamängden music_df för att klassificera musikgenrer. Det som gör pipelines så kraftfulla är just det enkla gränssnittet de erbjuder.
X_train, X_test, y_train och y_test är förinlästa, och confusion_matrix har importerats från sklearn.metrics.
Den här övningen är en del av kursen
Övervakad inlärning med scikit-learn
Övningsinstruktioner
- Skapa en pipeline med de steg du definierade tidigare.
- Träna pipelinen på träningsdata.
- Gör förutsägelser på testdatan.
- Beräkna och skriv ut konfusionsmatrisen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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(____(____, ____))