make_pipeline#

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

從給定的估計器建構一個 Pipeline。

這是 Pipeline 建構子的簡寫；它不需要也不允許命名估計器。相反地，它們的名稱將自動設定為其類型的小寫。

參數:

*steps估計器物件的列表

串聯在一起的 scikit-learn 估計器列表。

memory字串或具有 joblib.Memory 介面的物件，預設值為 None

用於快取管道中已擬合的轉換器。即使最後一步是轉換器，也不會快取最後一步。預設情況下，不執行快取。如果給定字串，則為快取目錄的路徑。啟用快取會在擬合之前觸發轉換器的複製。因此，無法直接檢查給管道的轉換器實例。使用屬性 named_steps 或 steps 來檢查管道中的估計器。當擬合耗時時，快取轉換器是有利的。

transform_input字串列表，預設值為 None

這可讓您轉換 fit 的一些輸入引數（除了 X 之外），以供管道中的步驟轉換，直到需要它們的步驟。需求是透過中繼資料路由定義的。例如，這可用於通過管道傳遞驗證集。

只有在啟用中繼資料路由時才能設定此選項，您可以使用 sklearn.set_config(enable_metadata_routing=True) 啟用它。

在 1.6 版本中新增。

verbose布林值，預設值為 False

如果為 True，則在完成每個步驟時，將會列印擬合每個步驟所經過的時間。

回傳值:

pPipeline: 回傳一個 scikit-learn Pipeline 物件。

另請參閱

Pipeline: 用於建立具有最終估計器的轉換管道的類別。

範例

>>> 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())])