モデルによる予測

いよいよモデルを使って、テストデータセットに基づく値の予測を行い、その結果を確認してみましょう。

必要なモジュールはすべてインポート済みで、データは X_train、y_train、X_test として用意されています。Pipeline の初期化方法を忘れた場合は、スライドを参照してください。

この演習はコースの一部です

Python による IoT データの分析

コースを見る

演習の手順

先ほどと同様に、StandardScaler と LogisticRegression を使って Pipeline を作成し、各ステップにはそれぞれ "scale" と "logreg" という名前を付けましょう。
X_train と y_train を使って Pipeline を学習させましょう。
X_test に対してクラスを予測し、その結果を predictions として格納しましょう。
得られた配列を表示しましょう。

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([
        (____, ____),
  		 ____
    ])

# Fit the pipeline
____.____(____, ____)

# Predict classes
____ = ____.____(____)

# Print results
print(____)

コードを編集して実行