python pipeline如何使用

本篇內容主要講解“python pipeline如何使用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“python pipeline如何使用”吧!

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在項目中的位置可以自定義)，值表示離引擎的距離，越近數據越先通過：權重值小的優先執行。

3、當pipeline較多時，process_item的方法必須是returnitem，否則后一個pipeline獲得的數據就是None值。

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

實例

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

內容擴展：

Python的sklearn.pipeline.Pipeline()函數可以把多個“處理數據的節點”按順序打包在一起，數據在前一個節點處理之后的結果，轉到下一個節點處理。除了最后一個節點外，其他節點都必須實現"fit()"和"transform()"方法， 最后一個節點需要實現fit()方法即可。當訓練樣本數據送進Pipeline進行處理時， 它會逐個調用節點的fit()和transform()方法，然后點用最后一個節點的fit()方法來擬合數據。

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

到此，相信大家對“python pipeline如何使用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！