肾病案例研究 III：完整流水线

现在是把所有变换与 XGBClassifier 组合起来，构建完整流水线的时候了！

除了您在上一个练习中创建的 numeric_categorical_union，还需要两个变换：我们为您准备好的 Dictifier()，以及 DictVectorizer()。

创建好流水线后，您的任务是对其进行交叉验证，看看模型的表现如何。

本练习是课程的一部分

使用 XGBoost 的极端梯度提升

查看课程

练习说明

使用 numeric_categorical_union、Dictifier() 和 DictVectorizer(sort=False) 这三个变换，以及 xgb.XGBClassifier()（设置 max_depth=3）这一估计器来创建流水线。将三个变换命名为 "featureunion"、"dictifier"、"vectorizer"，将估计器命名为 "clf"。
使用 cross_val_score() 对 pipeline 进行 3 折交叉验证。传入流水线 pipeline、特征 kidney_data、标签 y，并将 scoring 设为 "roc_auc"，cv 设为 3。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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

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

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

编辑并运行代码