sklearn pipeline_sklearn中Pipeline管道机制

pipeline 是对机器学习各个步骤进行封装的流水线式工作，按照封装顺序依次执行的一种机制，便于灵活调整多项式模型参数。

封装 pipeline 时包括以下几个流程：

• 使用多项式 PolynomialFeatures；

• 使用 StandardScaler 对特征进行标准化，使得各特征均值为 1，方差为 0；

• 可以使用 PAC 对特征进行选取；

• 对模型进行训练和验证。

下面来演示下在 Python 中是如何应用。

导入建模需要的库

# 导入管道机制
from sklearn.pipeline import Pipeline 

# 导入多项式
from sklearn.preprocessing import PolynomialFeatures

# 数据标准化
from sklearn.preprocessing import StandardScaler

# 导入线性回归模型
from sklearn.linear_model import LinearRegression

# 划分测试集和训练集
from sklearn.model_selection import train_test_split

# 模型评估指标
from sklearn.metrics import mean_squared_error

# 数据集
from sklearn.datasets import load_iris

加载数据集

# 加载数据集
data = load_iris()
X = data.data
y = data.target

# 切分数据集，将数据集切分为70%的训练集和30%的测试集
train_x, test_x, train_y, test_y = train_test_split(X,y, test_size=0.3, random_state = 0)

封装 pipeline 管道
pipeline 接受任意个数的转换器，这些转换器必须包含 fit 和 transform 函数；先经过 StandardScaler 标准化，可加入 PCA 过程，最后的参数必须是一个评估器。

def PolynomialRegression(degree):
    return Pipeline([
        ('poly', PolynomialFeatures(degree=degree)),
        ('std_scaler', StandardScaler()),
        ('lin_reg', LinearRegression())
    ])
# 建模
poly2_reg = PolynomialRegression(degree=2)
poly2_reg.fit(X, y)
y2_predict = poly2_reg.predict(X)

最后根据验证模型的好坏

# 比较真值和预测值的均方误差
mean_squared_error(y, y2_predict)