Predicciones del modelo

¡Ya estás listo para usar tu modelo y predecir valores con el conjunto de prueba, y revisar los resultados!

Todos los módulos necesarios se han importado y los datos están disponibles como X_train, y_train y X_test. No dudes en consultar las diapositivas si no recuerdas cómo inicializar una Pipeline.

Este ejercicio forma parte del curso

Análisis de datos de IoT en Python

Ver curso

Instrucciones del ejercicio

Crea una Pipeline como antes, usando un StandardScaler y una LogisticRegression, y nombra los pasos "scale" y "logreg" respectivamente.
Ajusta la Pipeline a X_train y y_train.
Predice las clases para X_test y guarda el resultado en predictions.
Imprime el array resultante.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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

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

# Predict classes
____ = ____.____(____)

# Print results
print(____)

Editar y ejecutar código