顯示估計器和複雜管線

此範例說明顯示估計器和管線的不同方式。

# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause

from sklearn.compose import make_column_transformer
from sklearn.impute import SimpleImputer
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import OneHotEncoder, StandardScaler

簡潔文字表示

當以字串顯示時，估計器只會顯示已設定為非預設值的參數。這會減少視覺雜訊，並更容易在比較實例時發現差異。

lr = LogisticRegression(penalty="l1")
print(lr)

LogisticRegression(penalty='l1')

豐富 HTML 表示

在筆記本中，估計器和管線將使用豐富的 HTML 表示。這對於總結管線和其他複合估計器的結構特別有用，並具有互動性以提供詳細資訊。按一下下面的範例圖片以展開管線元素。請參閱視覺化複合估計器，瞭解如何使用此功能。

num_proc = make_pipeline(SimpleImputer(strategy="median"), StandardScaler())

cat_proc = make_pipeline(
    SimpleImputer(strategy="constant", fill_value="missing"),
    OneHotEncoder(handle_unknown="ignore"),
)

preprocessor = make_column_transformer(
    (num_proc, ("feat1", "feat3")), (cat_proc, ("feat0", "feat2"))
)

clf = make_pipeline(preprocessor, LogisticRegression())
clf

Pipeline(steps=[('columntransformer',
                 ColumnTransformer(transformers=[('pipeline-1',
                                                  Pipeline(steps=[('simpleimputer',
                                                                   SimpleImputer(strategy='median')),
                                                                  ('standardscaler',
                                                                   StandardScaler())]),
                                                  ('feat1', 'feat3')),
                                                 ('pipeline-2',
                                                  Pipeline(steps=[('simpleimputer',
                                                                   SimpleImputer(fill_value='missing',
                                                                                 strategy='constant')),
                                                                  ('onehotencoder',
                                                                   OneHotEncoder(handle_unknown='ignore'))]),
                                                  ('feat0', 'feat2'))])),
                ('logisticregression', LogisticRegression())])

在 Jupyter 環境中，請重新執行此儲存格以顯示 HTML 表示或信任筆記本。
在 GitHub 上，HTML 表示無法呈現，請嘗試使用 nbviewer.org 載入此頁面。

相關範例

顯示管線

顯示管線

使用堆疊組合預測器

使用堆疊組合預測器

scikit-learn 0.23 的發行重點

scikit-learn 0.23 的發行重點

具有混合類型的 Column Transformer

具有混合類型的 Column Transformer