Model tahminleri
Modelini test veri kümesine göre değerler tahmin etmek ve sonuçları incelemek için hazırsın!
Gerekli tüm modüller içe aktarıldı ve veriler X_train, y_train ve X_test olarak hazır. Bir Pipeline nasıl başlatılır hatırlamıyorsan, slaytlara göz atmaktan çekinme.
Bu egzersiz
Python ile IoT Verilerini Analiz Etmek
kursunun bir parçasıdırEgzersiz talimatları
- Daha önceki gibi bir Pipeline oluştur:
StandardScalerveLogisticRegressionkullan ve adımları sırasıyla"scale"ve"logreg"olarak adlandır. - Pipeline'ı
X_trainvey_trainile eğit (fit et). X_testiçin sınıf tahmini yap ve sonucupredictionsolarak kaydet.- Ortaya çıkan diziyi yazdır.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Create Pipeline
pl = Pipeline([
(____, ____),
____
])
# Fit the pipeline
____.____(____, ____)
# Predict classes
____ = ____.____(____)
# Print results
print(____)