创建 Pipeline
现在，您将使用 scikit-learn 最实用的特性之一：Pipeline。 Pipeline 允许您把多步操作（如变换与估计）串联起来，并按顺序应用到新数据上。
您将创建一个同时包含 StandardScaler 和 LogisticRegression 估计器的 pipeline。
这样，您就可以将未缩放的数据传入 pipeline，由 Scaler 先对数据进行缩放，再由 LogisticRegression 预测目标列。
未缩放的数据为 X_train，标签为 y_train。
还提供了数据子集 X_test 用于评估模型。
StandardScaler 和 LogisticRegression 已为您导入。
本练习是课程的一部分
用 Python 分析 IoT 数据
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import pipeline
from ____ import ____
# Create Scaler and Regression objects
sc = ____()
logreg = ____