Pipelines y Validación Cruzada

Este reto consiste en construir un Pipeline utilizando Scikit-Learn para un problema de clasificación de datos. Utilizaremos el conjunto de datos 'iris' de Scikit-Learn, que clasifica tipos de flores en función de varias características. El objetivo es integrar todo el flujo de trabajo de preprocesamiento y modelado dentro de un pipeline y evaluar el modelo construido utilizando la técnica de validación cruzada.

Cargar el conjunto de datos

• Utilizar la función load_iris() de Scikit-Learn para cargar el conjunto de datos.
• Dividir los datos en X (características) e y (objetivo).

Definir el pipeline

• Crear un pipeline que incluya SimpleImputer, StandardScaler, PowerTransformner y un clasificador lineal como LogisticRegression.

Aplicar validación cruzada

• Evaluar el modelo utilizando cross_val_score con 5 particiones para obtener la puntuación de precisión del modelo.

Mostrar los resultados

• Imprimir las puntuaciones obtenidas en cada iteración de validación cruzada.
• Mostrar la precisión media del modelo.