Vorhersagen mit dem Modell

Du bist bereit, dein Modell zu verwenden, um auf Basis des Test-Datensatzes Werte vorherzusagen und die Ergebnisse zu prüfen!

Alle nötigen Module wurden importiert und die Daten liegen als X_train, y_train und X_test vor. Schau gern in die Folien, wenn du dir nicht mehr sicher bist, wie du eine Pipeline initialisierst.

Diese Übung ist Teil des Kurses

IoT-Daten in Python analysieren

Kurs anzeigen

Anleitung zur Übung

Erstelle eine Pipeline wie zuvor mit einem StandardScaler und einer LogisticRegression, und benenne die Schritte entsprechend "scale" und "logreg".
Fitte die Pipeline auf X_train und y_train.
Sage die Klassen für X_test vorher und speichere das Ergebnis als predictions.
Gib das resultierende Array aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

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

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

# Predict classes
____ = ____.____(____)

# Print results
print(____)

Code bearbeiten und ausführen