机器学习中sklearn的pipeline如何使用？

本文和大家分享的主要是机器学习中 sklearn中pipeline相关内容，一起来看看吧，希望对大家学习机器学习有所帮助。

　　如下图所示，利用pipeline我们可以方便的减少代码量同时让机器学习的流程变得直观，

例如我们需要做如下操作，容易看出，训练测试集重复了代码，

　　vect = CountVectorizer()tfidf = TfidfTransformer()clf = SGDClassifier()

　　vX = vect.fit_transform(Xtrain)tfidfX = tfidf.fit_transform(vX)predicted = clf.fit_predict(tfidfX)

　　# Now evaluate all steps on test setvX = vect.fit_transform(Xtest)tfidfX = tfidf.fit_transform(vX)predicted = clf.fit_predict(tfidfX)

　　利用pipeline，上面代码可以抽象为，

　　pipeline = Pipeline([

　　('vect', CountVectorizer()),