Simpan Pipeline
Sekarang Anda akan membuat Pipeline lagi, tetapi secara langsung, dengan melewati langkah inisialisasi StandardScaler dan LogisticRegression sebagai variabel. Sebagai gantinya, Anda akan melakukan inisialisasi tersebut sebagai bagian dari pembuatan Pipeline.
Selanjutnya, Anda akan menyimpan model untuk digunakan lebih lanjut.
Data tersedia sebagai X_train, dengan label y_train.
StandardScaler, LogisticRegression, dan Pipeline telah diimpor untuk Anda.
Latihan ini merupakan bagian dari kursus
Menganalisis Data IoT dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)