Question

Uma Analista está desenvolvendo um modelo de aprendizado de máquina em Python 3, em condições ideais. Após dividir o conjunto de dados em treinamento e teste, deseja criar um pipeline no scikit-learn para pré-processamento e treino do modelo. O pipeline deve lidar com variáveis categóricas utilizando OneHotEncoder e treinar um modelo de árvore de decisão com os parâmetros padrão. Isso pode ser feito com base no trecho de código abaixo.
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import OneHotEncoder
from sklearn.tree import DecisionTreeClassifier
pipeline = Pipeline([
I
])
pipeline.fit(X_train, y_train)
A lacuna I deve ser corretamente preenchida com:

Accepted Answer

D) ('encoder', OneHotEncoder(handle_unknown='ignore')), ('modelo', DecisionTreeClassifier())

Answer

A) ('encoder', OneHotEncoder(handle_unknown='error')), ('modelo', DecisionTreeRegressor())

Answer

B) ('encoder', OneHotEncoder(sparse='False')), ('modelo', DecisionTreeRegressor(criterion='gini'))

Answer

C) ('encoder', Label_Encoder()), ('modelo', DecisionTreeClassifier())

Answer

E) ('encoder', LabelBinarizer()), ('modelo', DecisionTreeClassifier(maxdepth=3))

Mais questões de Inteligência artificial