पाइपलाइन स्टोर करें
अब आप फिर से Pipeline बनाएँगे, लेकिन इस बार सीधे — यानी StandardScaler और LogisticRegression को अलग वैरिएबल के रूप में इनिशियलाइज़ करने का चरण छोड़ देंगे। इसकी बजाय, आप इन्हें Pipeline बनाते समय ही इनिशियलाइज़ करेंगे.
इसके बाद आप मॉडल को भविष्य में उपयोग के लिए स्टोर करेंगे.
डेटा X_train के रूप में उपलब्ध है, और लेबल y_train में हैं.
StandardScaler, LogisticRegression और Pipeline आपके लिए इम्पोर्ट कर दिए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में IoT डेटा का विश्लेषण
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)