Данные из
%%bash
mkdir data
wget http://dataincubator-wqu.s3.amazonaws.com/mldata/providers-train.csv -nc -P ./ml-data
wget http://dataincubator-wqu.s3.amazonaws.com/mldata/providers-metadata.csv -nc -P ./ml-data
И из этого контекста: «Мы начнем со столбцов в нашем DataFrame, содержащих числовые и логические функции. Некоторые строки содержат нулевые значения; оценщики не могут обрабатывать нулевые значения, поэтому онидолжен быть вменен или отброшен. Мы создадим конвейер, содержащий преобразователи, которые обрабатывают эти функции, а затем оценщик.
Примечание. Когда грейдер проверяет ваш ответ, он передает список словарей в метод предиката илиgnett_proba. вашей оценки, а не DataFrame. Это означает, что ваша модель должна работать с обоими типами данных. По этой причине мы предоставили вам собственный ColumnSelectTransformer, чтобы вы могли использовать вместо него собственный ColumnTransformer scikit-learn. "
IМне было поручено выполнить следующие фрагменты кода. Но я не смог пройти проверку утверждения. Ниже приведена моя попытка:
simple_cols = ['BEDCERT', 'RESTOT', 'INHOSP', 'CCRC_FACIL', 'SFF', 'CHOW_LAST_12MOS', 'SPRINKLER_STATUS', 'EXP_TOTAL', 'ADJ_TOTAL']
class ColumnSelectTransformer(BaseEstimator, TransformerMixin):
def __init__(self, columns):
self.columns = columns
def fit(self, X, y=None):
return self
def transform(self, X):
if not isinstance(X, pd.DataFrame):
X = pd.DataFrame(X)
X.dropna(inplace=True)
return X[self.columns].values()
simple_features = Pipeline([
('cst', ColumnSelectTransformer(simple_cols)),
])
выполнить эту проверку утверждения
assert data['RESTOT'].isnull().sum() > 0
assert not np.isnan(simple_features.fit_transform(data)).any()
Буду признателен за любую помощь, которую я могу получить, спасибо!