当前位置: 首页 > news >正文

day 23

机器学习管道 pipeline

一般通用pipeline的实现流程:

1.构建多个转换器(transformer),来实现对特征的预处理

2.构建 ColumnTransformer,将不同的预处理应用于不同的列子集,构造一个完备的转化器

3.构建完整的 Pipeline,将预处理器和模型串联起来

通用pipeline

如果要实现一个简单的适用于所有机器学习模型的pipeline,我觉得可以通过类的封装来实现:

具体代码实例如下:

from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler, OneHotEncoder, OrdinalEncoder
from sklearn.impute import SimpleImputer
import pandas as pd
from sklearn.model_selection import train_test_splitclass GenericPipelineBuilder:#构造函数传入需要的参数,包括模型,数值特征,适合进行独热编码的特征,适合进行序数编码的特征,指定每个序数编码特征的类别顺序列表def __init__(self, model, numeric_features, onehot_features, ordinal_features, ordinal_categories=None):self.model = modelself.numeric_features = numeric_featuresself.onehot_features = onehot_featuresself.ordinal_features = ordinal_featuresself.ordinal_categories = ordinal_categories if ordinal_categories else [[] for _ in range(len(ordinal_features))]# 构建数值特征的处理管道,包括缺失值填充和标准化def build_numeric_transformer(self):return Pipeline(steps=[('imputer', SimpleImputer(strategy='mean')),('scaler', StandardScaler())])# 构建适合进行独热编码的特征的处理管道,包括缺失值填充和独热编码def build_onehot_transformer(self):return Pipeline(steps=[('imputer', SimpleImputer(strategy='most_frequent')),('onehot', OneHotEncoder(handle_unknown='ignore', sparse_output=False))])# 构建适合进行序数编码的特征的处理管道,包括缺失值填充和序数编码def build_ordinal_transformer(self):return Pipeline(steps=[('imputer', SimpleImputer(strategy='most_frequent')),('ordinal', OrdinalEncoder(categories=self.ordinal_categories, handle_unknown='use_encoded_value',unknown_value=-1))])# 构建整个预处理的ColumnTransformer,将不同的特征处理管道应用到不同的特征def build_preprocessor(self):return ColumnTransformer(transformers=[('num', self.build_numeric_transformer(), self.numeric_features),('onehot', self.build_onehot_transformer(), self.onehot_features),('ordinal', self.build_ordinal_transformer(), self.ordinal_features)],remainder='passthrough')# 构建完整的机器学习流水线,包括预处理和模型def build_pipeline(self):return Pipeline(steps=[('preprocessor', self.build_preprocessor()),('classifier', self.model)])

使用的话直接实例化类进行操作即可

例子如下:

    data = pd.read_csv('your_data.csv')y = data['target_column']X = data.drop('target_column', axis=1)X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)numeric_features = X.select_dtypes(include=['number']).columns.tolist()onehot_features = ['Color', 'City']ordinal_features = ['Education_Level']ordinal_categories = [['High School', 'Bachelor', 'Master', 'PhD']]from sklearn.ensemble import RandomForestClassifiermodel = RandomForestClassifier(random_state=42)builder = GenericPipelineBuilder(model, numeric_features, onehot_features, ordinal_features, ordinal_categories)pipeline = builder.build_pipeline()pipeline.fit(X_train, y_train)print("模型训练完成")

@浙大疏锦行

相关文章:

  • 嵌入式MCU和Linux开发哪个好?
  • 架构思维:通用架构模式_系统监控的设计
  • 《微机原理与接口技术》第 5 章 汇编语言程序设计
  • 解决LangChain4j报错HTTP/1.1 header parser received no bytes
  • OJ项目测试
  • C++类和对象--中阶
  • sql语句面经手撕(定制整理版)
  • 收集飞花令碎片——C语言分支与循环语句(上)
  • 如何避免 JavaScript 中常见的闭包陷阱?
  • Nginx stream模块是连接级别的负载均衡
  • 序列检测器
  • 【002】renPy android端启动流程分析
  • Docker从0到1:入门指南
  • 破解 Qt QProcess 在 Release 模式下的“卡死”之谜
  • Linux基础命令之目录管理——了解各种操作文件目录的命令,万字教学,超详细!!!(1)
  • windows防火墙
  • 特伦斯折叠重锤V70:实现专业演奏,从这里开始
  • 【Vue3】使用vite创建Vue3工程、Vue3基本语法讲解
  • JavaScript中的数字谜题:为何0.3的二进制不精确,浏览器却显示正确?
  • 07_SpringBoot2集成Redis连接失败
  • 中央结算公司:减免境外央行类机构账户开户费用
  • 极限拉扯上任巴西,安切洛蒂开启夏窗主帅大挪移?
  • 国羽用冠军开启奥运周期,林丹:希望洛杉矶奥运取得更好成绩
  • 国务院新闻办公室发布《新时代的中国国家安全》白皮书
  • 马上评丨为护士减负,不妨破除论文“硬指标”
  • 何立峰:中方坚定支持多边主义和自由贸易,支持世界贸易组织在全球经济治理中发挥更大作用