파이프라인 만들기

이제 scikit-learn의 가장 뛰어난 기능 중 하나인 Pipelines를 사용해 보겠습니다. Pipelines를 사용하면 변환(transform)과 추정(estimation) 같은 여러 작업을 연결해, 새 데이터에 순차적으로 적용할 수 있습니다.

이번에는 StandardScaler와 LogisticRegression 추정기를 함께 포함하는 파이프라인을 만들어 보겠습니다.

이렇게 하면 스케일링되지 않은 데이터를 파이프라인에 그대로 전달해도, Scaler가 먼저 데이터를 스케일링하고, 이어서 LogisticRegression이 target 열을 예측합니다.

스케일링되지 않은 학습 데이터는 X_train에, 레이블은 y_train에 로드되어 있습니다. 모델을 평가할 수 있도록 데이터의 일부인 X_test도 제공됩니다.

StandardScaler와 LogisticRegression은 이미 임포트되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 IoT 데이터 분석하기

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Import pipeline
from ____ import ____

# Create Scaler and Regression objects
sc = ____()
logreg = ____