パイプラインでターゲットエンコーディングできる？

2024年6月8日2024年6月17日

パイプラインを使用してターゲットエンコーディングを行うことができます。以下は、パイプラインを使用してターゲットエンコーディングを行う方法です：

python
from sklearn.pipeline import Pipeline
import category_encoders as ce
from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import GridSearchCV

# データの読み込み
# データの前処理...

# パイプラインの定義
pipeline = Pipeline([
    ('target_encoder', ce.TargetEncoder()),
    ('classifier', MultinomialNB())
])

# 探索するハイパーパラメータの候補を指定
param_grid = {
    'target_encoder__smoothing': [1.0, 0.5, 0.1],
    'classifier__alpha': [1, 0.1],
    'classifier__fit_prior': [True, False],
}

# グリッドサーチを用いて探索
grid_search = GridSearchCV(pipeline, param_grid, cv=10)
grid_search.fit(X_train, y_train)
print("Best hyperparameters:", grid_search.best_params_)

# 最適なモデルを取得
best_model = grid_search.best_estimator_

# テストデータでの予測と評価
y_pred = best_model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
print("Classification Report:")
print(classification_report(y_test, y_pred))

このようにパイプラインを使うことで、データの前処理とモデルの学習を統合し、効率的なモデルの開発と評価を行うことができます。