Böbrek hastalığı vaka çalışması II: Feature Union

Sayısal ve kategorik sütunları ayrı ayrı atadıktan (impute ettikten) sonra, şimdi scikit-learn'in FeatureUnion yapısını kullanarak sonuçlarını birleştirmen gerekiyor. Bu sonuçlar iki ayrı dönüştürücü nesnesinde tutuluyor: numeric_imputation_mapper ve categorical_imputation_mapper.

Machine Learning with the Experts: School Budgets dersinde FeatureUnion ile zaten karşılaşmış olabilirsin. Tıpkı pipeline'larda olduğu gibi, buna da (string, transformer) demetlerinden oluşan bir liste geçirmen gerekiyor; her demetin ilk yarısı dönüştürücünün adı olmalı.

Bu egzersiz

XGBoost ile Aşırı Gradyan Artırma

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

FeatureUnion'ı sklearn.pipeline içinden içe aktar.
numeric_imputation_mapper ve categorical_imputation_mapper sonuçlarını FeatureUnion() kullanarak, adları sırasıyla "num_mapper" ve "cat_mapper" olacak şekilde birleştir.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import FeatureUnion
from sklearn.pipeline import FeatureUnion

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

Kodu Düzenle ve Çalıştır