Ctrl+K

make_pipeline#

sklearn.pipeline.make_pipeline(*steps, memory=None, transform_input=None, verbose=False)[源代码]#

构建 Pipeline 来自给定的估计者。

This is a shorthand for the Pipeline constructor; it does not require, and does not permit, naming the estimators. Instead, their names will be set to the lowercase of their types automatically.

参数:
*steps估计对象列表

链接在一起的scikit-learn估计器列表。

memory具有joblib.内存接口的字符串或对象，默认=无

用于存放管道安装的变压器。最后一步永远不会被缓存，即使它是一个Transformer。默认情况下，不执行缓存。如果给出了字符串，则它是缓存目录的路径。启用缓存会在安装之前触发变形器的克隆。因此，不能直接检查提供给管道的Transformer实例。使用属性 named_steps 或 steps 检查管道内的估算器。当安装耗时时，缓存变压器是有利的。

transform_input字符串列表，默认=无

这使得可以将某些输入参数转换为 fit （除 X ）通过管道的步骤转变到需要它们的步骤。要求定义为 metadata routing .例如，这可以用于通过管道传递验证集。

只有在启用元数据路由时才能设置此值，可以使用 sklearn.set_config(enable_metadata_routing=True) .

Added in version 1.6.

verbose布尔，默认=假

如果为True，则将在完成每个步骤时打印调整所花费的时间。

返回:
p管道

返回scikit-learn Pipeline object.

参见

Pipeline

用于创建具有最终估计器的转换管道的类。

示例

>>> from sklearn.naive_bayes import GaussianNB
>>> from sklearn.preprocessing import StandardScaler
>>> from sklearn.pipeline import make_pipeline
>>> make_pipeline(StandardScaler(), GaussianNB(priors=None))
Pipeline(steps=[('standardscaler', StandardScaler()),
                ('gaussiannb', GaussianNB())])
On this page