Memorizza la Pipeline
Ora creerai di nuovo la Pipeline, ma direttamente, saltando il passaggio di inizializzare StandardScaler e LogisticRegression come variabili. Invece, farai l'inizializzazione durante la creazione della Pipeline.
Poi memorizzerai il modello per usarlo in seguito.
I dati sono disponibili come X_train, con le etichette in y_train.
StandardScaler, LogisticRegression e Pipeline sono già stati importati per te.
Questo esercizio fa parte del corso
Analizzare i dati IoT in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)