python pipeline的用法及避坑点

说明

1、在使用之前需要在settings中打开。

2、pipeline在settings中键表示位置(即pipeline在项目中的位置可以自定义)，值表示离引擎的距离，越近数据越先通过：权重值小的优先执行。

3、当pipeline较多时，process_item的方法必须是returnitem，否则后一个pipeline获得的数据就是none值。

pipeline中必须有process_item方法，否则item无法接收和处理。

实例

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

内容扩展：

python的sklearn.pipeline.pipeline()函数可以把多个“处理数据的节点”按顺序打包在一起，数据在前一个节点处理之后的结果，转到下一个节点处理。除了最后一个节点外，其他节点都必须实现'fit()'和'transform()'方法， 最后一个节点需要实现fit()方法即可。当训练样本数据送进pipeline进行处理时， 它会逐个调用节点的fit()和transform()方法，然后点用最后一个节点的fit()方法来拟合数据。

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的用法及避坑点的详细内容，更多关于python pipeline的使用注意的资料请关注其它相关文章！