Stocker le pipeline
Vous allez maintenant recréer le Pipeline, mais directement, sans passer par l'étape d'initialisation de StandardScaler et LogisticRegression dans des variables. À la place, vous ferez l'initialisation au moment de la création du Pipeline.
Vous allez ensuite enregistrer le modèle pour un usage ultérieur.
Les données sont disponibles sous X_train, et les étiquettes sous y_train.
StandardScaler, LogisticRegression et Pipeline ont été importés pour vous.
Cette activité fait partie du cours
Analyse de données IoT avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)