sklearn 流水线（pipeline）使用

利用pipeline生成机器学习整个流程的流水线。在下面的例子中，我们利用pipeline结合gridSearchCV（自动调优）寻找出最好的机器学习流程。

我们所讨论的流程只包括：分类器参数选择，PCA降维维度选择。因此还不是完整的机器学习流程。更多可参考pipeline。

import numpy as np
import matplotlib.pyplot as plt

from sklearn import linear_model, decomposition, datasets
from sklearn.pipeline import Pipeline
from sklearn.model_selection import GridSearchCV

logistic = linear_model.LogisticRegression()

pca = decomposition.PCA()
pipe = Pipeline(steps=[('pca', pca), ('logistic', logistic)])   #设置流水线过程

digits = datasets.load_digits()
X_digits = digits.data
y_digits = digits.target


pca.fit(X_digits)

plt.figure(1, figsize=(4, 3))
plt.clf()
plt.axes([.2, .2, .7, .7])
plt.plot(pca.explained_variance_, linewidth=2)  #画出每个维度的解释方差，方差越大，其对应维度越需要被留下来
plt.axis('tight')
plt.xlabel('n_components')
plt.ylabel('explained_variance_')

n_components = [20, 40, 64]
Cs = np.logspace(-4, 4, 3)

#Parameters of pipelines can be set using ‘__’ separated parameter names:

estimator = GridSearchCV(pipe,
                         dict(pca__n_components=n_components,
                              logistic__C=Cs))  #自动调优
estimator.fit(X_digits, y_digits)

plt.axvline(estimator.best_estimator_.named_steps['pca'].n_components,
            linestyle=':', label='n_components chosen')
plt.legend(prop=dict(size=12))
plt.show()