Создание пайплайнов
Теперь вы воспользуетесь одной из лучших возможностей scikit-learn — пайплайнами. Пайплайны позволяют объединять несколько действий в цепочку: например, преобразования и оценки, которые последовательно применяются к новым данным.
Вы создадите пайплайн, включающий StandardScaler и оценщик LogisticRegression.
Это позволит передавать ненормализованные данные в пайплайн: StandardScaler выполнит масштабирование, а LogisticRegression предскажет значения целевого столбца.
Ненормализованные данные доступны как X_train, метки загружены в переменную y_train.
Для оценки модели также доступно подмножество данных X_test.
StandardScaler и LogisticRegression уже импортированы.
Это упражнение является частью курса
Анализ данных Интернета вещей на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____