用于歌曲流派预测的流水线：I
现在是构建流水线的时候了。它将包含以下步骤：用每个特征的均值来填补缺失值，并构建一个 KNN 模型来进行歌曲流派的分类。
上一个练习中您创建的修改版 music_df 数据集已为您预加载，同时还预加载了 KNeighborsClassifier 和 train_test_split。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 导入
SimpleImputer和Pipeline。 - 实例化一个缺失值填补器。
- 实例化一个具有 3 个邻居的 KNN 分类器。
- 创建
steps，这是一个元组列表，依次包含您创建的名为"imputer"的填补器变量，以及您创建的名为"knn"的knn模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import modules
____
____
# Instantiate an imputer
imputer = ____()
# Instantiate a knn model
knn = ____
# Build steps for the pipeline
steps = [("____", ____),
("____", ____)]