Böbrek hastalığı vaka çalışması III: Tam boru hattı

Tüm dönüşümleri bir XGBClassifier ile bir araya getirip tam boru hattını kurma zamanı!

Önceki egzersizde oluşturduğun numeric_categorical_union dışında iki dönüşüm daha gerekli: senin için oluşturduğumuz Dictifier() dönüşümü ve DictVectorizer().

Boru hattını oluşturduktan sonra, ne kadar iyi performans gösterdiğini görmek için çapraz doğrulama yapacaksın.

Bu egzersiz

XGBoost ile Aşırı Gradyan Artırma

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

numeric_categorical_union, Dictifier(), ve DictVectorizer(sort=False) dönüşümlerini ve max_depth=3 ile xgb.XGBClassifier() kestirimcisini kullanarak boru hattını oluştur. Dönüşümlerin adları "featureunion", "dictifier", "vectorizer" ve kestirimcinin adı "clf" olsun.
pipeline üzerinde cross_val_score() kullanarak 3 katlı çapraz doğrulama yap. Fonksiyona boru hattı pipeline, özellikler kidney_data, sonuçlar y değerlerini geçir. Ayrıca scoring değerini "roc_auc" ve cv değerini 3 olarak ayarla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create full pipeline
pipeline = ____([
                     ("____", ____),
                     ("____", ____),
                     ("____", ____),
                     ("____", ____)
                    ])

# Perform cross-validation
cross_val_scores = ____(____, ____, ____, ____="____", ____=____)

# Print avg. AUC
print("3-fold AUC: ", np.mean(cross_val_scores))

Kodu Düzenle ve Çalıştır