вдруг кому интересно, на русский перевели

Кстати, трансформер данных должен быть в пайплайне для более корректной cv, поскольку некоторые преобразования данных при обучении используют информацию из валидации, это переобучение, как раз увеличение дисперсии метрики, что плохо. Также в случае использования таргет энкодера категориальных признаков, к примеру, нужно делать кодирование довольно заковыристым образом, в прямую переобучение из-за утечки таргета. Так что в этом ещё может быть причина некорректной оптимизации грид серчем.

ColumnTransformer (pipeline для DataFrame)

Трансформер.)

FeatureUnion() ещё есть, и мне, лично, удобней и наглядней писать класс для результирующего пайплайна, объединяющего модель и предподготовку. А вот для кат буста не нужно, что, конечно, радует...

Добрый день ,на 4ом курсе 3 недели не показывали ,как делать проверки 6-ти гипотез для построения линейной регрессии с возможностью интерпретации причинно-следственной связи
Хотел бы уточнить ,есть ли у кого-нибудь пример ,как это делается ?

Так же в примере применялась модель OLS regression. Возможно ,сейчас уже стоит использовать другие методы ?

Объясните, пожалуйста, что в этом примере x[0] и x[1] ?

Функция массив принимает, а это обращения к его элементам по индексу

смотря как применять будете, поскольку делаете степень, то это число какого-то итерируемого объекта

то есть списка

вот это задание

вот моя функция

Это просто хитрое задание функции двух переменных

Через массив и обращение к нему по индексам

а почему такой вариант не работает ?