เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กรณีศึกษาโรคไต II: Feature Union

หลังจากที่แยกกันเติมค่าที่หายไปในคอลัมน์ตัวเลขและคอลัมน์ประเภทหมวดหมู่แล้ว ขั้นตอนต่อไปคือใช้ FeatureUnion ของ scikit-learn เพื่อรวมผลลัพธ์จาก transformer สองตัวเข้าด้วยกัน ได้แก่ numeric_imputation_mapper และ categorical_imputation_mapper

คุณอาจเคยพบ FeatureUnion ใน Machine Learning with the Experts: School Budgets มาก่อน เช่นเดียวกับ pipeline ต้องส่งรายการของ tuple แบบ (string, transformer) โดยครึ่งแรกของแต่ละ tuple คือชื่อของ transformer

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Extreme Gradient Boosting with XGBoost

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า FeatureUnion จาก sklearn.pipeline
  • รวมผลลัพธ์จาก numeric_imputation_mapper และ categorical_imputation_mapper โดยใช้ FeatureUnion() พร้อมกำหนดชื่อเป็น "num_mapper" และ "cat_mapper" ตามลำดับ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import FeatureUnion
from sklearn.pipeline import FeatureUnion

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