1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza danych IoT w Pythonie
Connected

ćwiczenie

Tworzenie potoków

Teraz skorzystasz z jednej z najlepszych funkcji biblioteki scikit-learn – potoków (Pipelines). Potoki pozwalają łączyć wiele operacji w łańcuch, takich jak transformacje i estymacje, które są stosowane sekwencyjnie do nowych danych.

Stworzysz potok zawierający zarówno StandardScaler, jak i estymator LogisticRegression.

Dzięki temu możesz przekazywać do potoku nieskalowane dane – StandardScaler je przeskaluje, a LogisticRegression przewidzi wartości kolumny docelowej.

Nieskalowane dane są dostępne jako X_train, a etykiety zostały wczytane jako y_train. Do oceny modelu dostępny jest również podzbiór danych X_test.

StandardScaler i LogisticRegression zostały już zaimportowane.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Zaimportuj wymagany moduł Pipeline.
  • Utwórz obiekty StandardScaler i LogisticRegression.