ColumnTransformer untuk Tipe Campuran
Persiapan berbeda untuk setiap kelompok kolom
ColumnTransformer untuk Tipe Campuran adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.
Kolom Tidak Sama
Tabel nyata mencampurkan angka dan kategori, dan setiap jenis memerlukan persiapan yang berbeda. Satu penskala untuk semuanya tidak akan berhasil. 🧩
Kenali ColumnTransformer
ColumnTransformer menerapkan transformer yang berbeda pada kelompok kolom yang berbeda, semuanya dalam satu langkah yang dapat Anda masukkan ke dalam pipeline.
Daftarkan Kelompok Kolom Anda
Pertama, tentukan kolom mana yang numerik dan mana yang kategorikal. Anda akan memberikan setiap kelompok transformer-nya sendiri berdasarkan nama.
num_cols = ['age', 'income']
cat_cols = ['city', 'plan']Skalakan Angkanya
Kolom numerik biasanya memerlukan StandardScaler agar nilai besar dan kecil memiliki dasar perbandingan yang adil sebelum pemodelan.
from sklearn.preprocessing import StandardScalerKodekan Kategorinya
Kolom kategorikal memerlukan angka, jadi gunakan OneHotEncoder untuk mengubah setiap kategori menjadi kolom 0/1 tersendiri.
from sklearn.preprocessing import OneHotEncoderHubungkan Semuanya
Setiap entri merupakan tuple yang berisi nama, transformer, dan kolom yang diprosesnya. ColumnTransformer menjalankan semuanya secara berdampingan.
from sklearn.compose import ColumnTransformer
prep = ColumnTransformer([('num', StandardScaler(), num_cols), ('cat', OneHotEncoder(), cat_cols)])Masukkan ke Dalam Pipeline
Tempatkan transformer sebagai langkah pertama dan model sebagai langkah terakhir. Kini persiapan data bertipe campuran dan pemodelan berada dalam satu pipeline.
pipe = Pipeline([('prep', prep), ('model', LogisticRegression())])Kolom yang Tersisa
Kolom yang tidak Anda cantumkan akan dihapus secara default. Atur remainder ke passthrough jika ingin mempertahankan kolom lainnya tanpa perubahan.
ColumnTransformer([...], remainder='passthrough')Tangani Kategori yang Belum Dikenal
Data pengujian mungkin berisi kategori yang belum pernah dilihat saat pelatihan. Atur handle_unknown ke ignore agar encoder tetap berjalan tanpa mengalami kegagalan.
OneHotEncoder(handle_unknown='ignore')Pilih Kolom Berdasarkan Tipe
Bosan mengetik nama kolom? make_column_selector mengambil kolom berdasarkan dtype sehingga persiapan data Anda dapat menyesuaikan diri saat tabel berubah.
from sklearn.compose import make_column_selector as selectorSatu Fit, Dua Jalur
Memanggil fit sekali akan melatih scaler dan encoder bersama-sama pada kolom yang tepat. Setiap jalur hanya belajar dari columns miliknya sendiri.
Pemeriksaan Singkat
Anda memiliki kolom numerik dan kategorikal yang memerlukan persiapan berbeda. Apa yang menangani hal tersebut?
Ringkasan
Sekarang Anda dapat mengarahkan kolom numerik dan kategorikal ke transformer masing-masing menggunakan ColumnTransformer di dalam satu pipeline. Berikutnya, penyetelan. 🔧
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “ColumnTransformer untuk Tipe Campuran” gratis?
Ya — teks lengkap “ColumnTransformer untuk Tipe Campuran” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “ColumnTransformer untuk Tipe Campuran”?
Persiapan berbeda untuk setiap kelompok kolom Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Data Science Academy?
Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “ColumnTransformer untuk Tipe Campuran” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mengapa Pipeline Mengungguli Langkah Manual
- ColumnTransformer untuk Tipe Campuran
- Melakukan Penyetelan dengan GridSearchCV
- Menyimpan dan Memuat Ulang Pipeline Terlatih