Predizioni del modello
Sei pronto a usare il tuo modello per prevedere i valori sul dataset di test e ispezionare i risultati!
Tutti i moduli necessari sono stati importati e i dati sono disponibili come X_train, y_train e X_test. Se non ti ricordi come inizializzare una Pipeline, non esitare a consultare le diapositive.
Questo esercizio fa parte del corso
Analizzare i dati IoT in Python
Istruzioni dell'esercizio
- Crea una Pipeline come prima, usando uno
StandardScalere unaLogisticRegression, e assegna ai passaggi i nomi"scale"e"logreg"rispettivamente. - Adatta la Pipeline a
X_trainey_train. - Predici le classi per
X_teste salva il risultato inpredictions. - Stampa l’array risultante.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create Pipeline
pl = Pipeline([
(____, ____),
____
])
# Fit the pipeline
____.____(____, ____)
# Predict classes
____ = ____.____(____)
# Print results
print(____)