Pipeline – FunctionTransformer (scikit-learn / Python)
Utilisation de l'outil FunctionTransformer dans une phase de préparation de données, incorporée dans un Pipeline scikit-learn. La fonction de transformation peut être définie à la volée (fonction lambda) ou implémentée à part. Le plus important est d'être en cohérence avec le format des variables passées en paramètres. Sérialisation du workflow complet (préparation des données + modèle de machine learning [régression logistique ici]) à l'aide du package "dill" (le package "pickle" ne sait pas manipuler les fonctions lambda).
Notebook et données : http://tutoriels-data-science.blogspo...
Pipeline - Paramétrage : • Pipeline – Paramétrage (scikit-learn / Pyt...
Pipeline - ColumnTransformer : • Pipeline avec ColumnTransformer (scikit-le...
Page de cours : https://cours-machine-learning.blogsp...
00:00 Transformation de variables avec FunctionTransformer
02:26 Architecture du pipeline
05:10 Description des données utilisées
05:32 Démarrage du notebook - Chargement des données
06:25 Régression logistique sur les données originelles
06:59 Partie préparation de données du pipeline
07:46 ColumnTransformer
07:58 FunctionTransformer de différentes manières
12:04 Pipeline incluant l'algorithme de machine learning
12:23 Entraînement du modèle et inspection des résultats
14:39 Sérialisation avec le package "dill"
17:03 Chargement, inspection et déploiement
Auf dieser Seite können Sie das Online-Video Pipeline – FunctionTransformer (scikit-learn / Python) mit der Dauer stunde minuten sekunde in guter Qualität ansehen, das der Benutzer MASTER 2 SISE DATA SCIENCE 31 März 2024 hochgeladen hat, den Link mit Freunden und Bekannten teilen, dieses Video wurde auf Youtube bereits 537 Mal angesehen und es wurde von like den Zuschauern gefallen. Viel Spaß beim Betrachtenden Zuschauern gefallen!
