Predikce modelu

Teď je čas použít model k předpovídání hodnot na základě testovací datové sady a prohlédnout si výsledky!

Všechny potřebné moduly jsou již naimportovány a data jsou dostupná jako X_train, y_train a X_test. Pokud si nepamatuješ, jak inicializovat Pipeline, klidně se podívej zpět na snímky.

Toto cvičení je součástí kurzu

Analýza dat z IoT v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytvoř Pipeline stejně jako dříve – použij StandardScaler a LogisticRegression a pojmenuj kroky "scale" a "logreg".
Natrénuj Pipeline na X_train a y_train.
Předpověz třídy pro X_test a výsledek ulož jako predictions.
Výsledné pole vypiš.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create Pipeline
pl = Pipeline([
        (____, ____),
  		 ____
    ])

# Fit the pipeline
____.____(____, ____)

# Predict classes
____ = ____.____(____)

# Print results
print(____)

Upravit a spustit kód