Pipeline imputer rồi chuẩn hóa
Gộp nhiều bước preprocessing thành một object có thể tái sử dụng.
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: SimpleImputer, StandardScaler, fit-transform.
Nội dung đề bài
Mục tiêu kiến thức
Gộp nhiều bước preprocessing thành một object có thể tái sử dụng.
Mô tả bài toán
Đây là bài số 334 trong tầng Dữ liệu và tiền xử lý bằng thư viện. Bài dùng thư viện sklearn.pipeline.Pipeline trên dữ liệu nhỏ, cố định và chạy CPU; mục tiêu là hiểu workflow chứ không bắt học viên tự viết lại thư viện.
Yêu cầu
Xây Pipeline gồm SimpleImputer(strategy='median') rồi StandardScaler; fit trên train và transform new.
def preprocess_numeric_pipeline(train, new):Input
Hai ma trận số 2D có thể chứa NaN.
Output
Dictionary gồm tên steps, median đã học, train đã xử lý và new đã xử lý.
Ràng buộc
Pipeline giữ đúng thứ tự imputer → scaler và chỉ fit một lần trên train.
Ví dụ
Giải thích
Train [1, NaN, 9] được điền 5 rồi scale; new [100] scale theo mean/scale train.
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.