模型預測
你已經可以使用模型，根據測試資料集進行預測並檢視結果！
所有需要的模組都已匯入，資料已提供為 X_train、y_train 和 X_test。如果不記得如何初始化 Pipeline，可以回去參考投影片。
本練習屬於課程
使用 Python 分析 IoT 資料
練習說明
- 和之前一樣建立一個 Pipeline，使用
StandardScaler與LogisticRegression，並將步驟分別命名為"scale"與"logreg"。 - 將 Pipeline 擬合到
X_train與y_train。 - 對
X_test預測類別，並將結果儲存為predictions。 - 列印結果陣列。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create Pipeline
pl = Pipeline([
(____, ____),
____
])
# Fit the pipeline
____.____(____, ____)
# Predict classes
____ = ____.____(____)
# Print results
print(____)