開始使用免費開始

你的第一個 pipeline——再來一次！

回到心律不整的新創公司，你的月度檢視即將到來，其中一項是由資深的 Python 程式設計師審查你的程式碼。你決定依照最佳實務來整理：把原本做特徵選擇與隨機森林分類的腳本，改寫成一個 pipeline。你使用的訓練資料集為 X_train 與 y_train，以及多個模組：用於特徵選擇的 RandomForestClassifier、SelectKBest() 與 f_classif()，還有 GridSearchCV 與 Pipeline。

本練習屬於課程

在 Python 設計機器學習工作流程

檢視課程

練習說明

  • 使用範例程式碼提供的特徵選擇器，搭配隨機森林分類器，建立一個 pipeline。將第一個步驟命名為 feature_selection。
  • 在 params 中加入 2 組鍵值：選擇器中的特徵數 k（取值 10 與 20），以及森林中的 n_estimators（可能值 2 與 5）。
  • 以給定的 pipeline 與參數網格初始化一個 GridSearchCV 物件。
  • 將物件擬合到資料並列印表現最佳的參數組合。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Create pipeline with feature selector and classifier
pipe = ___([
    (___, SelectKBest(f_classif)),
    ('clf', ___(random_state=2))])

# Create a parameter grid
params = {
   'feature_selection__k':___,
    ___:[2, 5]}

# Initialize the grid search object
grid_search = ___(___, ___=params)

# Fit it to the data and print the best value combination
print(grid_search.fit(___, ___).___)
編輯並執行程式碼