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