python pipeline的用法及避坑点
说明
1、在使用之前需要在settings中打开。
2、pipeline在settings中键表示位置(即pipeline在项目中的位置可以自定义),值表示离引擎的距离,越近数据越先通过:权重值小的优先执行。
3、当pipeline较多时,process_item的方法必须是returnitem,否则后一个pipeline获得的数据就是None值。
pipeline中必须有process_item方法,否则item无法接收和处理。
实例
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
内容扩展:
Python的sklearn.pipeline.Pipeline()函数可以把多个“处理数据的节点”按顺序打包在一起,数据在前一个节点处理之后的结果,转到下一个节点处理。除了最后一个节点外,其他节点都必须实现'fit()'和'transform()'方法, 最后一个节点需要实现fit()方法即可。当训练样本数据送进Pipeline进行处理时, 它会逐个调用节点的fit()和transform()方法,然后点用最后一个节点的fit()方法来拟合数据。
from sklearn.linear_model import LinearRegression from sklearn.preprocessing import PolynomialFeatures from sklearn.pipeline import Pipeline def polynomial_model(degree = 1): polynomial_features = PolynomialFeatures(degree = degree, include_bias = False) linear_regression = LinearRegression() pipeline = Pipeline([('polynomial_features', polynomial_features), ('linear_regression', linear_regression)]) return pipeline
以上就是python pipeline的用法及避坑点的详细内容,更多关于python pipeline的使用注意的资料请关注脚本之家其它相关文章!
最新评论