Python机器学习基础教程

算法链与管道

｜

243

图 6-3：管道的训练和预测过程概述

管道实际上比上图更加通用。管道的最后一步不需要具有

predict

函数，比如说，我们可

以创建一个只包含一个缩放器和一个 PCA 的管道。由于最后一步（PCA）具有 transform 方

法，所以我们可以对管道调用 transform，以得到将 PCA.transform 应用于前一个步骤处理

过的数据后得到的输出。管道的最后一步只需要具有 fit 方法。

6.4.1

　用

make_pipeline

方便地创建管道

利用上述语法创建管道有时有点麻烦，我们通常不需要为每一个步骤提供用户指定的名

称。有一个很方便的函数 make_pipeline，可以为我们创建管道并根据每个步骤所属的类

为其自动命名。make_pipeline 的语法如下所示：

In[17]:

from sklearn.pipeline import make_pipeline

# 标准语法

pipe_long = Pipeline([("scaler", MinMaxScaler()), ("svm", SVC(C=100))])

# 缩写语法

pipe_short = make_pipeline(MinMaxScaler(), SVC(C=100))

管道对象 pipe_long 和 pipe_short 的作用完全相同，但 pipe_short 的步骤是自动命名的。

我们可以通过查看 steps 属性来查看步骤的名称：

In[18]:

print("Pipeline steps:\n{}".format(pipe_short.steps)) ...