Predições do modelo

Você está pronto para usar seu modelo para prever valores com base no conjunto de teste e inspecionar os resultados!

Todos os módulos necessários já foram importados e os dados estão disponíveis como X_train, y_train e X_test. Se precisar relembrar como inicializar um Pipeline, consulte os slides.

Este exercício faz parte do curso

Analisando Dados de IoT em Python

Ver curso

Instruções do exercício

Crie um Pipeline como antes, usando um StandardScaler e uma LogisticRegression, e nomeie as etapas como "scale" e "logreg", respectivamente.
Ajuste o Pipeline a X_train e y_train.
Faça a predição das classes para X_test e armazene o resultado em predictions.
Imprima o array resultante.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Create Pipeline
pl = Pipeline([
        (____, ____),
  		 ____
    ])

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

# Predict classes
____ = ____.____(____)

# Print results
print(____)

Editar e executar o código