Prédictions du modèle

Vous êtes prêt à utiliser votre modèle pour prédire des valeurs à partir du jeu de test et 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 consulter le diaporama si vous ne vous souvenez plus comment initialiser une Pipeline.

Cet exercice fait partie du cours

Analyzing IoT Data in Python

Afficher le cours

Instructions

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

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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

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

# Predict classes
____ = ____.____(____)

# Print results
print(____)

Modifier et exécuter le code