說明

1、在使用之前需要在settings中打開。

2、pipeline在settings中鍵表示位置(即pipeline在項(xiàng)目中的位置可以自定義)，值表示離引擎的距離，越近數(shù)據(jù)越先通過：權(quán)重值小的優(yōu)先執(zhí)行。

3、當(dāng)pipeline較多時(shí)，process_item的方法必須是returnitem，否則后一個(gè)pipeline獲得的數(shù)據(jù)就是None值。

pipeline中必須有process_item方法，否則item無法接收和處理。

實(shí)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

內(nèi)容擴(kuò)展：

Python的sklearn.pipeline.Pipeline()函數(shù)可以把多個(gè)“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(gè)節(jié)點(diǎn)處理之后的結(jié)果，轉(zhuǎn)到下一個(gè)節(jié)點(diǎn)處理。除了最后一個(gè)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(gè)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(shí)， 它會(huì)逐個(gè)調(diào)用節(jié)點(diǎn)的fit()和transform()方法，然后點(diǎn)用最后一個(gè)節(jié)點(diǎn)的fit()方法來擬合數(shù)據(jù)。

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的用法及避坑點(diǎn)的詳細(xì)內(nèi)容，更多關(guān)于python pipeline的使用注意的資料請(qǐng)關(guān)注本站其它相關(guān)文章！

香港服務(wù)器租用

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。