算法链与管道

算法链：大多数机器学习应用不仅需要应用单个算法，而且还需要将许多不同的处理步骤和机器学习模型链接在一起。

管道：简化构建变换和模型链的过程。

注：在交叉验证过程中，应该在进行任何预处理之前完成数据集的划分。任何从数据集提取信息的处理过程都应该仅用于数据集的训练部分，因此，任何交叉验证都应该位于处理过程的“最外层循环”。

构建管道

构建一个步骤列表组成的管道对象。每个步骤都是一个元组，其中包含名称和估计器的一个实例

要求 ： 除了最后一步以外的所有步骤都需要具有transform方法，可以生成新的数据表示，以供下一个步骤使用

管道内部依次对每个步骤调用fit和transform，输入是前一个步骤的输出。最后一步仅调用fit。

优点

• 减少了“预处理+分类”过程所需要的代码量
• 可以在交叉验证或网格搜索中使用这个估计器

在网格搜索中使用管道

变化 需要为每个参数指定它在管道中所属的步骤。

在交叉验证中，信息泄露的影响大小取决于预处理步骤的性质。使用测试部分来估计数据的范围，通常不会产生可怕的影响，但在特征提取和特征选择中使用测试部分，则会导致结果的显著差异。