Almacenar la Pipeline
Ahora vas a crear de nuevo la Pipeline, pero directamente, saltándote el paso de inicializar StandardScaler y LogisticRegression como variables. En su lugar, harás la inicialización como parte de la creación de la Pipeline.
Después, guardarás el modelo para usarlo más adelante.
Los datos están disponibles como X_train, con las etiquetas en y_train.
StandardScaler, LogisticRegression y Pipeline ya se han importado por ti.
Este ejercicio forma parte del curso
Análisis de datos de IoT en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)