Ejercicio de programación: Extracción de características
Este ejercicio de programación está diseñado para poner a prueba tus conocimientos en ScikitLearn. Es un ejercicio avanzado que pondrá a prueba tus conocimientos expertos.
Información adicional del ejercicio
Desarrolla un notebook en Python que utilice DictVectorizer de Scikit-Learn para transformar una lista de diccionarios con datos mixtos (categóricos y numéricos) en una matriz de características numéricas.
Contenido del ejercicio
Crea un archivo .ipynb
desde cero que realice lo siguiente:
- Genera un dataset simulado como una lista de diccionarios. Cada diccionario debe incluir al menos dos claves: una variable categórica denominada "producto" (con valores como "Laptop", "Smartphone" y "Tablet") y una variable numérica denominada "precio".
- Utiliza
DictVectorizer
de Scikit-Learn para transformar este dataset en una matriz de características numéricas. - Muestra en pantalla la matriz resultante y los nombres de las características extraídas, evidenciando cómo se ha codificado la variable categórica en formato one-hot.
Lección relacionada
Este ejercicio está relacionado con la lección "Extracción de características" de ScikitLearn. Te recomendamos revisar la lección antes de comenzar.
Ver lección relacionadaMás ejercicios de ScikitLearn
Explora más ejercicios de programación en ScikitLearn para mejorar tus habilidades y obtener tu certificación.
Ver más ejercicios de ScikitLearnSolución al ejercicio de programación en ScikitLearn
¡Desbloquea la solución completa!
Completa el ejercicio de programación en ScikitLearn para acceder a la solución paso a paso, explicaciones detalladas y mejores prácticas.
Practica con ejercicios de programación en ScikitLearn
Mejora tus habilidades con cientos de ejercicios de práctica, recibe retroalimentación instantánea y obtén tu certificación cuando estés listo.
Asistente de IA
Aprende de tus errores
Progreso
Mide tu avance
Certificación
Valida tus habilidades
Únete a miles de desarrolladores mejorando sus habilidades en ScikitLearn