用於歌曲曲風預測的 Pipeline：I

現在要來建立一個 pipeline。它會先以各特徵的平均值補齊遺漏值，接著建立一個 KNN 模型來進行歌曲曲風的分類。

上一題你建立並修改過的 music_df 資料集已為你預先載入，同時還有 KNeighborsClassifier 與 train_test_split。

本練習屬於課程

使用 scikit-learn 進行監督式學習

檢視課程

練習說明

匯入 SimpleImputer 和 Pipeline。
建立一個 imputer。
建立一個具有 3 個鄰居的 KNN 分類器。
建立 steps，其為一個 tuple 清單，內容依序為你建立的 imputer 變數，命名為 "imputer"，以及你建立的 knn 模型，命名為 "knn"。

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。

# Import modules
____
____

# Instantiate an imputer
imputer = ____()

# Instantiate a knn model
knn = ____

# Build steps for the pipeline
steps = [("____", ____), 
         ("____", ____)]

編輯並執行程式碼