จัดเก็บ Pipeline
คราวนี้จะสร้าง Pipeline ขึ้นมาใหม่โดยตรง โดยข้ามขั้นตอนการกำหนด StandardScaler และ LogisticRegression ให้เป็นตัวแปรก่อน แต่จะสร้างทั้งสองอย่างเป็นส่วนหนึ่งของการสร้าง Pipeline เลย
จากนั้นจะจัดเก็บโมเดลไว้เพื่อใช้งานต่อไป
ข้อมูลพร้อมใช้งานในรูปแบบ X_train และ y_train สำหรับ label
StandardScaler, LogisticRegression และ Pipeline ถูก import ไว้ให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์ข้อมูล IoT ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)