Skapa pipelines
Nu ska du använda en av de bästa funktionerna i scikit-learn: pipelines. Med pipelines kan du kedja ihop flera steg, till exempel transformationer och estimatorer, som tillämpas sekventiellt på nya data.
Du ska nu skapa en pipeline som innehåller både en StandardScaler och en LogisticRegression-estimator.
Det gör att du kan skicka oskalad data till pipelinen, där StandardScaler skalar datan och LogisticRegression förutsäger målkolumnen.
Den oskalade datan finns tillgänglig som X_train, och etiketterna har laddats in som y_train.
En delmängd av datan, X_test, finns också tillgänglig för att utvärdera modellen.
StandardScaler och LogisticRegression har redan importerats åt dig.
Den här övningen är en del av kursen
Analysera IoT-data i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____