การสร้าง Pipeline
ต่อไปจะได้ใช้ฟีเจอร์ที่ดีที่สุดอย่างหนึ่งของ scikit-learn นั่นคือ Pipeline Pipeline ช่วยให้เชื่อมต่อหลายขั้นตอนเข้าด้วยกัน เช่น การแปลงข้อมูลและการประมาณค่า ซึ่งจะถูกนำไปใช้กับข้อมูลใหม่ตามลำดับ
ในแบบฝึกหัดนี้ จะสร้าง Pipeline ที่ประกอบด้วยทั้ง StandardScaler และ LogisticRegression
วิธีนี้ช่วยให้ส่งข้อมูลที่ยังไม่ได้สเกลเข้าสู่ Pipeline ได้โดยตรง โดย Scaler จะทำการสเกลข้อมูล และ LogisticRegression จะทำนายคอลัมน์เป้าหมาย
ข้อมูลที่ยังไม่ได้สเกลอยู่ในชื่อ X_train ส่วน label ถูกโหลดไว้แล้วเป็น y_train
มีชุดข้อมูลย่อย X_test เตรียมไว้ให้สำหรับประเมินโมเดลด้วย
StandardScaler และ LogisticRegression ถูก import มาให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์ข้อมูล IoT ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____