Criando Pipelines
Agora você vai usar um dos melhores recursos do scikit-learn: Pipelines. Pipelines permitem encadear várias ações, como transformações e estimações, que são aplicadas sequencialmente a novos dados.
Você vai criar uma pipeline contendo tanto um StandardScaler quanto um estimador LogisticRegression.
Isso permite passar dados não escalonados para a pipeline: o Scaler vai escalar os dados e o LogisticRegression vai prever a coluna alvo.
Os dados não escalonados estão disponíveis como X_train, enquanto os rótulos foram carregados como y_train.
Um subconjunto dos dados, X_test, também está disponível para avaliar o modelo.
StandardScaler e LogisticRegression já foram importados para você.
Este exercício faz parte do curso
Analisando Dados de IoT em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____