腎臟疾病個案研討 III：完整 pipeline

現在要把所有轉換器與一個 XGBClassifier 串在一起，建立完整的 pipeline！

除了你在上一個練習建立的 numeric_categorical_union，還需要另外兩個轉換器：我們替你準備好的 Dictifier()，以及 DictVectorizer()。

建立好 pipeline 後，你的任務是對它做交叉驗證，看看效能如何。

本練習屬於課程

使用 XGBoost 的極端梯度提升

檢視課程

練習說明

使用 numeric_categorical_union、Dictifier()、DictVectorizer(sort=False) 三個轉換器，以及 xgb.XGBClassifier()（max_depth=3）作為估計器來建立 pipeline。請將這些步驟命名為 "featureunion"、"dictifier"、"vectorizer"，估計器命名為 "clf"。
以 cross_val_score() 對 pipeline 進行 3 折交叉驗證。傳入的參數包括 pipeline（pipeline）、特徵（kidney_data）、標的（y），並將 scoring 設為 "roc_auc"、cv 設為 3。

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

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

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

編輯並執行程式碼