本教程是ML系列的一部分。 在此步驟中，您將了解如何以及為何使用管道清理建模代碼。

What Are Pipelines

管道是保持數據處理和建模代碼有序的簡單方法。 具體來說，管道捆綁了預處理和建模步驟，因此您可以像使用單個包一樣使用整個捆綁包。

許多數據科學家在沒有管道的情況下將模型混合在一起，但是管道有一些重要的好處。 其中包括：

???? 清潔代碼：您無需在每個處理步驟中跟蹤您的訓練（和驗證）數據。 在每個處理步驟中計算數據會變得混亂。 使用管道，您無需手動跟蹤每個步驟。

???? 更少的錯誤：錯誤應用或忘記預處理步驟的機會較少。

???? 更容易生產：將模型從原型轉換為可大規模部署的設備可能會非常困難。 我們不會在這里討論許多相關問題，但管道可以提供幫助。

???? 更多模型測試選項：您將在下一個教程中看到一個示例，其中包含交叉驗證。

Examples

我們不再介紹如何加載數據，現在想下一下，你已經有了訓練和測試數據。

【1】

import pandas as pd from sklearn.model_selection import train_test_split# Read Data data = pd.read_csv('../input/melb_data.csv') cols_to_use = ['Rooms', 'Distance', 'Landsize', 'BuildingArea', 'YearBuilt'] X = data[cols_to_use] y = data.Price train_X, test_X, train_y, test_y = train_test_split(X, y)

您有一個使用Imputer填充缺失值的建模過程，然后使用RandomForestRegressor進行預測。 這些可以與make_pipeline函數捆綁在一起，如下所示。

【2】

from sklearn.ensemble import RandomForestRegressor from sklearn.pipeline import make_pipeline from sklearn.preprocessing import Imputermy_pipeline = make_pipeline(Imputer(), RandomForestRegressor())

您現在可以使用此管道作為融合整體來擬合和預測。

【3】

my_pipeline.fit(train_X, train_y) predictions = my_pipeline.predict(test_X)

進行比較，這里有一個不使用管道的例子：

【4】

my_imputer = Imputer() my_model = RandomForestRegressor()imputed_train_X = my_imputer.fit_transform(train_X) imputed_test_X = my_imputer.transform(test_X) my_model.fit(imputed_train_X, train_y) predictions = my_model.predict(imputed_test_X)

這個特殊的管道只是代碼優雅的一個小小改進。 但隨著數據處理變得越來越復雜，管道變得越來越有價值。

Understanding Pipelines

大多數scikit-learn對象都是轉換模型變形金剛。

變形金剛用于建模前的預處理。 Imputer類（用于填充缺失值）是變形金剛的示例。隨著時間的推移，您將學習更多變形金剛，并且您將經常使用多個變形金剛。

模型用于進行預測。在將數據放入模型之前，通常會對數據進行預處理。

您可以根據應用方式判斷對象是變形金剛還是模型。安裝變形金剛后，使用transform命令應用它。在擬合模型后，將其與predict命令一起應用。您的管道必須從變形金剛步驟開始，并以模型結束。無論如何，這是你想要的。

最終，您將需要應用更多變形金剛并更靈活地組合它們。我們稍后將在高級管道教程中介紹此內容。

Your Turn

獲取建模代碼并將其轉換為使用管道。現在，您需要對管道外的分類變量進行one-hot encoding（即在將數據放入管道之前）。

總結

以上是生活随笔為你收集整理的11.Pipelines的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。