Prédictions du modèle

Vous êtes prêt à utiliser votre modèle pour prédire des valeurs à partir des données de test et à examiner les résultats!

Tous les modules nécessaires ont été importés et les données sont disponibles sous X_train, y_train et X_test. N'hésitez pas à vous référer au diaporama si vous ne vous souvenez plus comment initialiser une Pipeline.

Cette activité fait partie du cours

Analyse de données IoT avec Python

Voir le cours

Instructions de l’exercice

Créez une Pipeline comme précédemment, en utilisant un StandardScaler et une LogisticRegression, et nommez les étapes "scale" et "logreg" respectivement.
Ajustez la Pipeline à X_train et y_train.
Prédisez les classes pour X_test et enregistrez le résultat dans predictions.
Affichez le tableau obtenu.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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

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

# Predict classes
____ = ____.____(____)

# Print results
print(____)

Modifier et exécuter le code