Ejercicio de programación con ScikitLearn: Introducción a pipelines
Código
0h 30m
Aprende a crear y utilizar pipelines en Scikit-Learn para mejorar la gestión del flujo de trabajo en proyectos de machine learning.
En este reto, crearás un Pipeline en Scikit-Learn para preprocesar datos y entrenar un modelo de clasificación. Utilizarás el conjunto de datos load_wine
disponible en sklearn.datasets
, que contiene medidas asociadas a tres tipos de vino. El objetivo es predecir la clase de vino a partir de sus características. Implementarás un Pipeline que escale los datos y emplee un modelo de clasificación basado en KNeighborsClassifier
. Asegúrate de que las transformaciones se apliquen correctamente tanto en entrenamiento como en predicciones finales.
- Carga el conjunto de datos
load_wine
utilizando la función correspondiente desklearn.datasets
. - Divide los datos en conjuntos de entrenamiento y prueba (70% entrenamiento, 30% prueba), utilizando
train_test_split
. Establecerandom_state
en 42 para reproducibilidad. - Define un Pipeline que incluya los siguientes pasos:
StandardScaler
: para estandarizar las características de los datos.KNeighborsClassifier
: como modelo de clasificación para predecir la clase de vino.
- Entrena el Pipeline utilizando los datos de entrenamiento.
- Realiza predicciones sobre los datos de prueba y reporta la precisión del modelo.
Todos los ejercicios de programación de ScikitLearn
Evalúa tus conocimientos con ejercicios de programación en ScikitLearn de tipo Test, Puzzle, Código y Proyecto con VSCode.
Regresión SVM con SVR
Código
Ajuste de hiperparámetros
Código
Pipelines y Validación Cruzada
Código
Preprocesamiento de datos desbalanceados
Código
Pipelines con ColumnTransformer
Código
Validación y evaluación de modelos
Código
Preprocesamiento de datos de series temporales
Código
Identificación y tratamiento de valores faltantes
Código
Ingeniería de características para series temporales
Código
Introducción a la clasificación
Código
Transformación y escalado de series temporales
Código
Extracción de características
Código
Clasificación KNN KNeighborsClassifier
Código
Regresión con algoritmos de conjunto
Código
Regresión lineal
Código
Reducción de la dimensionalidad con PCA
Código
Clasificación con algoritmos de conjunto
Código
Clasificación SVM con SVC
Código
Escalado de datos
Código
Clustering jerárquico
Código
Análisis de sentimiento
Código
Validación y evaluación de modelos en series temporales
Código
Regresión KNN KNeighborsRegressor
Código
Técnicas de validación cruzada
Código
Introducción al preprocesamiento de datos
Código
Exportar e importar Pipelines
Código
Preprocesamiento de textos para NLP
Código
Clasificación con árboles DecisionTreeClassifier
Código
Selección de Características
Código
Introducción a la regresión
Código
Clasificación con regresión logística en Scikit Learn
Código
Ingeniería de Características
Código
Clustering con KMeans
Código
Introducción al análisis de series temporales
Código
Codificación de variables categóricas
Código
Clasificación de Texto con Scikit Learn
Código
Métricas de Regresión
Código
Aprendizaje automático
Puzzle
Clustering de densidad con DBSCAN
Código
Métricas de clasificación
Código
Técnicas avanzadas de extracción de características
Código
Creación de pipelines básicos
Código
Particionamiento de datos
Código
Normalización de datos
Código
Regresión con árboles DecisionTreeRegressor
Código
Introducción e instalación de Scikit Learn
Código
Preprocesamiento de datos con pipelines
Código
Representación de texto y extracción de características
Código
Tutorial para resolver este ejercicio de programación
ScikitLearn
Introducción a pipelines
Pipelines y despliegue