【Python实例第5讲】Pipeline与GridSearchCV降维法

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

本例构造一个降维管道(pipeline), 通过它做一个支持向量分类器预测。在这里，我们演示使用函数GridSearchCV和Pipeline优化不同类型的估计量。请注意，Pipeline能通过参数memory实例化，将转换器存储在管道里，避免重复拟合相同的转换器。

Pipeline and GridSearchCV

本节说明具有GridSearchCV的管道使用方法。首先，导入必需的模块。

# Authors: Robert McGibbon, Joel Nothman, Guillaume Lemaitre

from __future__ import print_function, division

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.svm import LinearSVC
from sklearn.decomposition import PCA, NMF
from sklearn.feature_selection import SelectKBest, chi2

print(__doc__)

建立一个管道，包括主成分pca和线性支持向量分类器