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 completando este código de ejemplo.
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____