Zapisywanie potoku
Teraz ponownie stworzysz potok (Pipeline), ale tym razem bezpośrednio – bez wcześniejszego inicjowania StandardScaler i LogisticRegression jako osobnych zmiennych. Inicjowanie przeprowadzisz od razu w ramach tworzenia potoku.
Następnie zapiszesz model do dalszego wykorzystania.
Dane są dostępne jako X_train, a etykiety jako y_train.
StandardScaler, LogisticRegression i Pipeline zostały już zaimportowane.
To ćwiczenie jest częścią kursu
Analiza danych IoT w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)