1. Learn
    2. /
  2. Курси
    3. /
  3. Екстремальний градієнтний бустинг з XGBoost
Connected

Вправа

Попередня обробка в конвеєрі

Тепер, коли ви побачили, які кроки потрібно виконати окремо, щоб коректно обробити дані про житло в Еймсі, скористаймося значно чистішим і стисленим підходом із DictVectorizer та поєднаймо його з XGBoostRegressor у конвеєрі scikit-learn.

Інструкції

100 XP
  • Імпортуйте DictVectorizer із sklearn.feature_extraction і Pipeline із sklearn.pipeline.
  • Заповніть пропущені значення в стовпці LotFrontage датафрейму X значенням 0.
  • Завершіть кроки конвеєра, використавши DictVectorizer(sparse=False) для "ohe_onestep" і xgb.XGBRegressor() для "xgb_model".
  • Створіть конвеєр за допомогою Pipeline() і steps.
  • Навчіть Pipeline. Не забудьте перетворити X у формат, який розуміє DictVectorizer, викликавши метод to_dict("records") для X.