Creación de Pipelines
Ahora vas a usar una de las mejores funcionalidades que ofrece scikit-learn: los Pipelines. Los Pipelines te permiten encadenar varias acciones, como transformaciones y estimaciones, que se aplican secuencialmente a datos nuevos.
Vas a crear un pipeline que contenga un StandardScaler y un estimador LogisticRegression.
Esto te permite pasar datos sin escalar al pipeline: el Scaler escalará los datos y LogisticRegression predecirá la columna objetivo.
Los datos sin escalar están disponibles como X_train, mientras que las etiquetas se han cargado en y_train.
También tienes un subconjunto de datos, X_test, para evaluar el modelo.
StandardScaler y LogisticRegression 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.
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____