Pipeline'ı Kaydet
Şimdi Pipeline'ı yeniden oluşturacaksın ama bu kez StandardScaler ve LogisticRegression'ı birer değişken olarak başlatma adımını atlayıp, doğrudan Pipeline oluştururken başlatacaksın.
Daha sonra modeli ileride kullanmak üzere kaydedeceksin.
Veriler X_train olarak, etiketler ise y_train olarak hazır.
StandardScaler, LogisticRegression ve Pipeline senin için içe aktarıldı.
Bu egzersiz, kursun bir parçasıdır
Python ile IoT Verilerini Analiz Etmek
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create Pipeline
pl = Pipeline([
("scale", ____),
("logreg", ____)
])
# Fit the pipeline
____.____(____, ____)