python pipeline是什么意思啊_scikit中的pipeline和make_pipeline有什么区别？

唯一的区别是make_pipeline自动生成步骤的名称。

如果要将管道与模型选择实用程序（例如GridSearchCV）一起使用，则需要步骤名称。使用网格搜索，需要为管道的各个步骤指定参数：pipe = Pipeline([('vec', CountVectorizer()), ('clf', LogisticRegression()])

param_grid = [{'clf__C': [1, 10, 100, 1000]}

gs = GridSearchCV(pipe, param_grid)

gs.fit(X, y)

将其与make_管道进行比较：pipe = make_pipeline(CountVectorizer(), LogisticRegression())

param_grid = [{'logisticregression__C': [1, 10, 100, 1000]}

gs = GridSearchCV(pipe, param_grid)

gs.fit(X, y)

因此，使用Pipeline：名字是明确的，如果你需要的话，你不必想出来

如果更改步骤中使用的估计器/转换器，则名称不会更改，例如，如果将logisticRegregation（）替换为LinearSVC（），则仍可以使用clf__C。

make_pipeline：较短且更可读的符号

使用简单的规则（估计器的小写名称）自动生成名称。

何时使用它们取决于您：）我更喜欢使用make_pipeline进行快速实验，使用pipeline获得更稳定的代码；经验法则：I Python Notebook-&gt；make_pipeline；Python module in a larger project-&gt；pipeline。但是，在模块中使用make_管道或在短脚本或笔记本中使用make_管道肯定不是什么大问题。