sklearn中的Pipeline

最新推荐文章于 2025-07-04 08:46:37 发布

晓东邪

最新推荐文章于 2025-07-04 08:46:37 发布

阅读量2.4w

点赞数 1

CC 4.0 BY-SA版权

分类专栏： numpy 机器学习 sklearn python好用的库文章标签： sklearn Pipeline 管道处理流水线处理 numpy

本文链接：https://blog.csdn.net/xiaodongxiexie/article/details/77045303

本文介绍了如何在sklearn中利用Pipeline进行数据预处理和模型选择的流水线操作，简化建模过程。通过Pipeline可以将fit_transform和transform等步骤整合，方便管理复杂的数据处理流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一般来说，使用sklearn建模时步骤如下：

0、start
1、分隔训练集和测试集（和验证集）
2、数据预处理
3、特征选择
4、模型选择
5、使用GridSearchCV进行参数寻优
6、end

其中，数据预处理部分可能需要先fit_transform再transform，相对较为繁琐，此时可以通过Pipeline（管道）进行流水线处理。
代码讲解如下：

#导入需要的包
In [296]: import numpy as np
In [297]: from sklearn.datasets import load_digits
In [299]: from sklearn.svm import SVC
In [300]: from sklearn.preprocessing import MinMaxScaler
In [301]: from sklearn.pipeline import Pipeline
In [304]: from sklearn.model_selection import train_test_split

#划分训练集测试集
In [307]: x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)

#数据预处理
In [308]: scaler = MinMaxScaler()
#模型选择
In [309]: model = SVC(probability=True)

#Pipeline通过一个由2个参数的元组组成的列表构成，其中元组中第一个参数为自定义name，第二个为处理对象
#需要按照流水线顺序放入
In [310]: pipe = Pipeline([('norm', scaler), ('clf', model)])

#通过上一步自定义的name+'__'(双下划线）+ 处理对象的参数进行参数设置（调整）
In [31