python中sklearn的pipeline模块实例详解
最近在看《深度学习：基于Keras的Python实践（魏贞原）》这本书，书中8.3创建了一个Scikit-Learn的Pipeline，首先标准化数据集，然后创建和评估基线神经网络模型，代码如下：
# 数据正态化，改进算法
steps = []
steps.append(('standardize', StandardScaler()))
steps.append(('mlp', model))
pipeline = Pipeline(steps)
kfold = KFold(n_splits=10, shuffle=True, random_state=seed)
results = cross_val_score(pipeline, x, Y, cv=kfold)
print('Standardize: %.2f (%.2f) MSE' % (results.mean(), results.std()))
而PipeLine是什么来的呢？
Pipelines and composite estimators（官方文档）
转换器通常与分类器，回归器或其他估计器组合在一起，以构建复合估计器。最常用的工具是Pipeline。Pipeline通常与FeatureUnion结合使用，FeatureUnion将转换器的输出连接到一个复合特征空间中。 TransformedTargetRegressor处理转换目标（即对数变换y）。相反，Pipelines仅转换观察到的数据（X）。
Pipeline可用于将多个估计器链接为一个。这很有用，因为在处理数据时通常会有固定的步骤顺序，例如特征选择，归一化和分类。Pipeline在这里有多种用途：
- 方便和封装：只需调用一次fit并在数据上进行一次predict即可拟合整个估计器序列。
- 联合参数选择：可以一次对Pipeline中所有估计器的参数进行网格搜索（grid search ）。
- 安全性：通过确保使用相同的样本来训练转换器和预测器，Pipeline有助于避免在交叉验证中将测试数据的统计信息泄漏到经过训练的模型中。
Pipeline是使用 （key，value） 对的列表构建的，其中key是包含要提供此步骤名称的字符串，而value是一个估计器对象：
from sklearn.pipeline import Pipeline
from sklearn.svm import SVC
from sklearn.decomposition import PCA
estimators = [('reduce_dim', PCA()), ('clf', SVC())]
pipe = Pipeline(estimators)
pipe
output:
函数make_pipeline是构建pipelines的简写;它接受不同数量的估计器，并返回一个pipeline。它不需要也不允许命名估计器。而是将其名称自动设置为其类型的小写字母：
from sklearn.pipeline import make_pipeline from sklearn.naive_bayes import MultinomialNB from sklearn.preprocessing import Binarizer make_pipeline(Binarizer(), MultinomialNB())
output:
总结
到此这篇关于python中sklearn的pipeline模块的文章就介绍到这了,更多相关python pipeline模块内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
Python利用subplots_adjust方法解决图表与画布的间距问题
这篇文章主要介绍了如何在使用python 的 matplotlib库绘图时， 使用subplots_adjust()方法来调整图表与画布之间的间距，以及图表与图表之间的间距，感兴趣的可以了解一下2022-04-04
有些C/C++的代码要在Python中要用到，又不想转成python，所以就写成python的扩展来调用,以下是我尝试后，在VC6下编写python扩展的过程2014-01-01
这篇文章主要介绍了python-try-except:pass的用法及说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-12-12
PyTorch 解决Dataset和Dataloader遇到的问题
今天小编就为大家分享一篇PyTorch 解决Dataset和Dataloader遇到的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
在现代数字化时代，PDF（Portable Document Format）文件已经成为广泛使用的电子文档格式，这篇文章主要为分享了Python处理PDF文件的简介与实践，需要的可以参考下2023-06-06
这篇文章主要介绍了Django中对数据查询结果进行排序的方法,利用Python代码代替SQL进行一些简单的操作,需要的朋友可以参考下2015-07-07
这篇文章主要介绍了opencv 实现特定颜色线条提取与定位操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
这篇文章主要介绍了Python字符串中添加、插入特定字符的方法，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-09-09
在本篇内容里小编给大家整理的是一篇关于flask开启多线程的具体方法，对此有需求的可以学习参考下。2020-08-08
SecureCRTSecure7密码查看的方法大概可以分为两个步骤，第一步需要查看系统保存的连接的ini文件，第二步破解加密之后的密码，具体脚本请参考下本文2021-06-06
最新评论