Creación de pipelines básicos

En este reto, crearás un pipeline básico usando ScikitLearn que realice una serie de transformaciones y finalmente entrene un modelo de clasificación sobre el conjunto de datos 'load_breast_cancer' proporcionado por ScikitLearn. El objetivo es evaluar tus habilidades en la construcción y el manejo de pipelines utilizando herramientas modernas de desarrollo de aprendizaje automático.

1. Carga de datos: Importe los datos usando load_breast_cancer() de sklearn.datasets.
2. División de datos: Divida los datos en conjuntos de entrenamiento y prueba.
3. Creación del Pipeline: Siéntete libre de importar cualquier transformación adicional que consideres necesaria.
   • Incluye las siguientes etapas: imputación de valores faltantes con SimpleImputer usando la mediana, estandarización con StandardScaler, un PCA de 3 componentes y un modelo de clasificación como LogisticRegression).
4. Entrenamiento: Ajusta el Pipeline utilizando el conjunto de entrenamiento.
5. Evaluación: Realiza predicciones sobre el conjunto de prueba y evalúa el modelo usando la métrica accuracy.
6. Resultado: Imprime la precisión del modelo.

El Pipeline debe estar construido de forma que los preprocesamientos se ejecuten en el orden correcto, preservando la integridad de los datos.