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 y completa el código de muestra.
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)