パイプラインを保存する
今度は Pipeline を再度作成しますが、StandardScaler と LogisticRegression を変数として初期化する手順を省略し、直接作成します。代わりに、Pipeline の作成と同時に初期化を行います。
次に、後で使用できるようにモデルを保存します。
データは X_train、ラベルは y_train として用意されています。
StandardScaler、LogisticRegression、Pipeline はすでにインポートされています。
この演習はコースの一部です
Python による IoT データの分析
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)