Кейс про захворювання нирок II: Feature Union

Окремо виконавши імпутацію числових і категоріальних стовпців, тепер ваше завдання — скористатися FeatureUnion зі scikit-learn, щоб об'єднати їхні результати, які містяться у двох різних об'єктах-перетворювачах — numeric_imputation_mapper та categorical_imputation_mapper відповідно.

Ви могли вже зустрічати FeatureUnion у курсі Machine Learning with the Experts: School Budgets. Як і з конвеєрами (pipelines), потрібно передати список кортежів (string, transformer), де перша частина кожного кортежу — це назва перетворювача.

Ця вправа є частиною курсу

Екстремальний градієнтний бустинг з XGBoost

Переглянути курс

Інструкції до вправи

Імпортуйте FeatureUnion з sklearn.pipeline.
Об'єднайте результати numeric_imputation_mapper і categorical_imputation_mapper за допомогою FeatureUnion(), використавши назви "num_mapper" та "cat_mapper" відповідно.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import FeatureUnion
from sklearn.pipeline import FeatureUnion

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

Редагувати та запускати код