Предсказания модели

Теперь вы готовы использовать модель для предсказания значений на основе тестового набора данных и изучить результаты!

Все необходимые модули уже импортированы, а данные доступны в виде X_train, y_train и X_test. Если вы не помните, как инициализировать Pipeline, обратитесь к слайдам.

Это упражнение является частью курса

Анализ данных Интернета вещей на Python

Посмотреть курс

Инструкции к упражнению

Создайте Pipeline, как и прежде, используя StandardScaler и LogisticRegression, и назовите шаги "scale" и "logreg" соответственно.
Обучите Pipeline на X_train и y_train.
Получите предсказания классов для X_test и сохраните результат в переменную predictions.
Выведите полученный массив.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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

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

# Predict classes
____ = ____.____(____)

# Print results
print(____)

Редактировать и запускать код