Repaso: limpiar y predecir

Parte de la sección Aprendizaje supervisado del Journey de Machine Learning de Coddy. Lección 49 de 58.

Desafío

Intermedio

¿Qué campistas volverán? camp.csv combina palabras, números y valores faltantes; el código inicial los separa y lee los datos de un campista.

Construye la canalización completa del capítulo: codifica cabin y activity con one-hot encoding, crea una etapa para los números que rellene los valores faltantes con medianas y luego los escale, y termina con regresión logística.
Imprime su precisión de validación cruzada de 5 particiones en las filas de entrenamiento, la media y la desviación estándar.
Ajústala con las filas de entrenamiento; imprime la precisión de prueba y la probabilidad de que el campista vuelva.

Otro campamento, campista 10, lakeside, archery, 21, -, 4:

CV accuracy: mean 0.707, std 0.065
Test accuracy: 0.740
Chance of coming back: 0.91

El guion indica una calificación faltante: tu canalización la rellena como cualquier otro valor faltante.

Pruébalo tú mismo

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline

# Los campistas del verano pasado: ¿volvieron este año (1) o no (0)?
campers = pd.read_csv("camp.csv")
X = campers.drop(columns="came_back")
y = campers["came_back"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)

# Un campista nuevo, una respuesta por línea; un guion (-) indica que falta un número
answers = []
for i in range(6):
    answers.append(input())
numbers = []
for i in [0, 3, 4, 5]:
    if answers[i] == "-":
        numbers.append(np.nan)
    else:
        numbers.append(float(answers[i]))
camper = pd.DataFrame({"age": [numbers[0]], "cabin": [answers[1]], "activity": [answers[2]],
                       "nights": [numbers[1]], "rating": [numbers[2]], "friends_made": [numbers[3]]})

# Escribe tu código a continuación