您好,登錄后才能下訂單哦!
這篇文章給大家分享的是有關(guān)python中pipeline的使用方法的內(nèi)容。小編覺得挺實(shí)用的,因此分享給大家做個參考。一起跟隨小編過來看看吧。
Python的sklearn.pipeline.Pipeline()函數(shù)可以把多個“處理數(shù)據(jù)的節(jié)點(diǎn)”按順序打包在一起,數(shù)據(jù)在前一個節(jié)點(diǎn)處理之后的結(jié)果,轉(zhuǎn)到下一個節(jié)點(diǎn)處理。除了最后一個節(jié)點(diǎn)外,其他節(jié)點(diǎn)都必須實(shí)現(xiàn)'fit()'和'transform()'方法, 最后一個節(jié)點(diǎn)需要實(shí)現(xiàn)fit()方法即可。當(dāng)訓(xùn)練樣本數(shù)據(jù)送進(jìn)Pipeline進(jìn)行處理時, 它會逐個調(diào)用節(jié)點(diǎn)的fit()和transform()方法,然后點(diǎn)用最后一個節(jié)點(diǎn)的fit()方法來擬合數(shù)據(jù)。
例如
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
感謝各位的閱讀!關(guān)于python中pipeline的使用方法就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,讓大家可以學(xué)到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到吧!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。