복습: 정리하고 예측하기

Coddy Machine Learning 여정의 지도 학습 섹션에 포함된 레슨. 58개 중 49번째.

챌린지

중급

어떤 캠퍼들이 다시 올까요? camp.csv에는 단어, 숫자, 결측값이 섞여 있습니다. 시작 코드에서는 데이터를 나누고 캠퍼 한 명의 정보를 읽습니다.

이 장의 전체 파이프라인을 만드세요. cabin과 activity는 원-핫 인코딩하고, 숫자에는 결측값을 중앙값으로 채운 다음 스케일링하는 경로를 적용한 뒤, 로지스틱 회귀로 마무리하세요.
학습 데이터 행을 사용한 5겹 교차 검증(CV) 정확도의 평균과 표준 편차(std)를 출력하세요.
학습 데이터 행으로 모델을 학습시키고, 테스트 정확도와 캠퍼가 돌아올 확률을 출력하세요.

다른 캠프의 캠퍼 정보: 10, lakeside, archery, 21, -, 4:

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

대시는 누락된 평점입니다. 파이프라인은 이를 다른 결측값과 마찬가지로 채웁니다.

직접 해보기

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

# 지난여름 캠프 참가자들: 올해 다시 왔나요 (1), 아니면 오지 않았나요 (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)

# 새 캠프 참가자에 대한 답변을 한 줄에 하나씩 입력합니다. 대시 (-)는 누락된 숫자를 뜻합니다
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]]})

# 아래에 코드를 작성하세요