python pipeline-管道模型Pipeline《Python机器学习》之十九

1.导入

前面有过这样的比方，首要对数据进行缩放，然后手动兼并特征，再运用无监督机器学习来学习特征。因而，大多数机器学习运用不只需求运用单个算法，而且还需求将许多不同的处理进程和机器学习模型链接在一起。接下来将介绍怎样运用Pipeline 类来简化构建改换和模型链的进程，将要点介绍怎样将Pipeline 和GridSearchCV 结合起来，然后一起查找一切处理进程中的参数。

举一个比方来阐明模型链的重要性。咱们知道，能够经过运用MinMaxScaler 进行预处理来大大提高核SVM 在cancer 数据集上的功能。下面这些代码完成了区分数据、核算最小值和最大值、缩放数据与练习SVM：

上面的代码第11行，是在x_train数据中找到最大值、最小值，然后用它别离缩放练习集和测验集，如第13、15行所示。这是所要求的正确的做法。

现看下面的比方：练习集和验证集却没有遵从这个要求。

!!! 问题所在 : 穿插验证的数据集是已经在外面进行缩放处理的练习集，在穿插验证内部将其格外 练习集和验证集如图 6-1所示。

谨记一条准则：先区分数据集，再进行缩放处理或其它预处理。

那么，在穿插验证内部，怎样做到呢?

在scikit-learn 中，要想运用cross_val_score 函数和GridSearchCV 函数完成这一点，能够运用Pipeline 类。Pipeline 类能够将多个处理进程兼并（glue）为单个scikit-learn 估量器。Pipeline 类自身具有fit、predict 和score 办法，其行为与scikit-learn 中的其他模型相同。Pipeline 类最常见的用例是将预处理进程（比方数据缩放）与一个监督模型（比方分类器）链接在一起。2.