20、机器学习中的管道：构建、使用与调优

机器学习中的管道：构建、使用与调优

1. 构建管道

在机器学习中，数据预处理和模型训练通常是一系列连续的步骤。 Pipeline 类可以将这些步骤组合在一起，形成一个单一的估计器。下面以在使用 MinMaxScaler 对数据进行缩放后训练支持向量机（SVM）为例，介绍如何构建管道。

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import MinMaxScaler
from sklearn.svm import SVC

# 构建管道对象
pipe = Pipeline([("scaler", MinMaxScaler()), ("svm", SVC())])

# 拟合管道
pipe.fit(X_train, y_train)

# 评估测试数据
print("Test score: {:.2f}".format(pipe.score(X_test, y_test)))

在这个例子中，我们创建了两个步骤：第一个步骤名为 scaler ，是 MinMaxScaler 的实例；第二个步骤名为 svm ，是 SVC 的实例。 pipe.fit 方法会依次调用每个步骤的 fit 和 transform 方法，最后用缩放后的数据拟合 SVM。调用