[译]sklearn.pipeline.Pipeline

• sklearn.pipeline.Pipeline

class sklearn.pipeline.Pipeline(steps, memory=None, verbose=False)

带有最终评估量的转换流程。

循序的运用一些列转换和一个最终评估量。Pipeline的中间步骤必须是’transforms’，就是说，他们必须实现fit、transform方法。最终评估量只需要执行fit。流程中的转换方法可以用memory参数暂存。

pipeline的目的是集成几个步骤，以便设定不同参数进行交叉验证。为了实现这个目标，设置不同步骤的参数和参数名用“_”分来。

一个步骤的评估量可通过设置参数成它的name来替换另一个评估量。或者一个转换步骤可以通过设置‘passthrough’ or None来取消掉。

• Parameters

Parameters	数据类型	意义
steps	list	一些列需要成链的过程，最后是评估量
memory	None, str or object with the joblib.Memory interface, optional	用于缓存流程中的待拟合转换过程
verbose	boolean, optional	True：每步完成后消耗的时间会被print

• Attributes

Attributes	意义
named_steps	查看步骤参数，keys是step name，values是step parameters

• Methods

Methods	意义
decision_function(self, X)	Apply transforms, and decision_function of the final estimator
fit(self, X[, y])	Fit the model
fit_predict(self, X[, y])	Applies fit_predict of last step in pipeline after transforms.
fit_transform(self, X[, y])	Fit the model and transform with the final estimator
get_params(self[, deep])	Get parameters for this estimator.
predict(self, X, **predict_params)	Apply transforms to the data, and predict with the final estimator
predict_log_proba(self, X)	Apply transforms, and predict_log_proba of the final estimator
predict_proba(self, X)	Apply transforms, and predict_proba of the final estimator
score(self, X[, y, sample_weight])	Apply transforms, and score with the final estimator
set_params(self, **kwargs)	Set the parameters of this estimator.

这篇翻译的更好：《sklearn 中的 Pipeline 机制》