笔记：pipeline浅尝

简介：pipeline可以使代码更清洁，简化ml的步骤

前序步骤—代码预处理

由于非重点，这里简略

pipeline的导入

导入：from sklearn.pipeline import Pipeline

步骤1：预处理步骤定义

————导入
from sklearn.compose import CloumnTransformer
from sklearn.preprocessing import OneHotEncoder
from sklearn.impute import SimpleImputer
————分类不同变量
numerical_transformer=SimpleImputer()
categorical_transformer=Pipeline(steps=[
(‘imputer’,SimpleImputer(strategy=‘most_frequent’)), #插补最常出现的
(‘encoder’,OneHotEncoder(handle_unknown=‘ignore’)) #这里不加sparse=False
])
————定义最终预处理器
preprocessor=ClomnTransformer(transformers=[
(‘num’,numerical_transformer),
(‘cat’,categorical_transformer)
])

步骤2：模型定义 #这里选用随机森林

————导入
from sklearn.ensemble import RandomForestRegressor
—