scikit-learn：4.1. Pipeline and FeatureUnion: combining estimators（特征与预测器结合；特征与特征结合）

带病在网吧里写，，，，给点鼓励吧。。。

http://scikit-learn.org/stable/modules/pipeline.html

 

 

1、pipeline和featureUnion是干什么的：

pipeline之前已经介绍过了，结合transformer和estimator。

featureUinon听名字就知道，将多个transformer的结果vector拼接成大的vector。

2、两者的区别：

前者相当于feature串行处理，后一个transformer处理前一个transformer的feature结果；

后者相当于feature的并行处理，将所有transformer的处理结果拼接成大的feature vector。

3、pipeline：chaining estimators

Pipeline can be used to chain multiple estimators into one. 因为我们处理数据的过程一般都是比较固定的，比如特征选择、规范化、分类。所以pipeline主要由两个目的：

方便：fit、predict一次即可处理所有estimators的结果。

拼接参数选择：仅需一次即可grid search所有estimators的所有parameters。

pipeline的所有的estimators（除了最后一个）都必须是transformer（有transform方法），最后一个estimator可以使任何类型（transformer、classifier）

使用：通过一组（key, value）对来串联所有的estimators，key是自己对每一步骤的随意的命名，value是一个estimator object，例如：

>>> from sklearn.pipeline import Pipeline
>>> from sklearn.svm import SVC
>>> from sklearn.decomposition import PCA
>>> estimators = [('reduce_dim', PCA()), ('svm', SVC())]
>>> clf = Pipeline(estimators)
>>> clf 
Pipeline(steps=[('reduce_dim', PCA(copy=True, n_components=None,
    whiten=False)), ('svm', SVC(C=1.0, cache_size=200, class_weight=None,
    coef0=0.0, degree=3, gamma=0.0, kernel='rbf', max_iter=-1,
    probability=False, random_state=None, shrinking=True, tol=0.001,
    verbose=False))])

每一个阶段的estimators存放在 steps属性中，可以通过索引这样取出每一个estimators：

>>> clf.steps[0]
('reduce_dim', PCA(copy=True, n_components=None, whiten=False))

也可以通过name这样取出每一个estimators（ as a