パイプラインの作成
ここでは、scikit-learn が提供する最も便利な機能の1つである Pipeline を使用します。 Pipeline を使うと、変換や推定といった複数の処理を連結し、新しいデータに対して順番に適用できます。
ここでは、StandardScaler と LogisticRegression の推定器の両方を含むパイプラインを作成します。
これにより、スケーリングされていないデータをパイプラインに渡すと、Scaler がデータをスケーリングし、LogisticRegression がターゲット列を予測します。
スケーリングされていないデータは X_train として、ラベルは y_train として読み込まれています。
また、モデルを評価するためのデータの一部として X_test も用意されています。
StandardScaler と LogisticRegression はすでにインポート済みです。
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。
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____