Descripción
Creación de un pipeline con Scikit-Learn.
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.
Guarda tu progreso
Inicia sesión para no perder tu progreso y accede a miles de tutoriales, ejercicios prácticos y nuestro asistente de IA.
Más de 25.000 desarrolladores ya confían en CertiDevs
- 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.
Solución al ejercicio
¡Desbloquea la solución completa!
Completa el examen para acceder a la solución paso a paso, explicaciones detalladas y mejores prácticas.
Practica con exámenes de ScikitLearn
Mejora tus habilidades con cientos de exámenes de práctica, recibe retroalimentación instantánea y obtén tu certificación cuando estés listo.
Retroalimentación
Aprende de tus errores
Progreso
Mide tu avance
Certificación
Valida tus habilidades
Únete a miles de desarrolladores mejorando sus habilidades