sklearn 的轉(zhuǎn)換器通常與分類器，回歸器或者其他的評估器組合以構(gòu)建復(fù)合評估器。常用的工具是 Pipeline。Pipeline 通常用于與特征單元結(jié)合，將轉(zhuǎn)換器的輸出連接到復(fù)合的特征空間。TransformedTargetRegressor 用于轉(zhuǎn)換標(biāo)簽(target)，相反 Pipeline 僅轉(zhuǎn)換觀測數(shù)據(jù)(X)。

Pipeline 可將多個(gè)評估器鏈接為一個(gè)，順序執(zhí)行每個(gè)評估器。這很有用，因?yàn)樘幚頂?shù)據(jù)通常有固定的步驟，例如特征選擇，歸一化和分類。只需要調(diào)用一次 fit 和 predict 就能夠在數(shù)據(jù)上擬合整個(gè)評估器序列，還可以使用柵格搜索一次遍歷全部參數(shù)。

Usage:
Pipeline 由一個(gè) (key, value) 列表構(gòu)建，key 是評估器對象 value 的名稱。

from sklearn.pipeline import Pipeline
from sklearn.svm import SVC
from sklearn.decomposition import PCA

estimators = [('reduce_dim', PCA()), ('clf', SVC())]
pipe = Pipeline(estimators)
print(pipe)

Output:

Pipeline(memory=None, 
         steps=[('reduce_dim', PCA(copy=True, ...)),
                ('clf', SVC(C=1.0, ...)]

使用工具函數(shù) make_pipeline 更加便捷構(gòu)建 Pipeline，只用傳遞評估器對象，名稱將自動(dòng)生成。