sklearn的Pipeline

Pipeline类

介绍：Pipeline 可以将多个数据处理步骤和机器学习模型组合成一个序列，其中每个步骤都是一个变换器（Transformer）或者估计器（Estimator），并且Pipeline中的最后一个必须为估计器，其它的必须为变换器，如果Pipeline中的估计器为为分类器则整个Pipeline就作为分类器使用，如果最后一个估计器是回归器则整个Pipeline就作为回归器使用。变换器用于对数据进行预处理，如特征缩放、特征选择等；估计器用于进行模型训练和预测，如分类器、回归器等。将多个步骤封装成一个对象，减少了代码的复杂度，使代码更加简洁易读。可以对整个 Pipeline 进行参数调优，而不需要分别对每个步骤进行调参。示例如下：

from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X = iris