使用 Scikit-Learn 在管道中包含预测器

Question

实际上这个疑问更像是——“为什么这段代码能正常工作？”。

我正在解决教科书中的问题。具体来说，问题是构建一个具有数据准备阶段（删除 NA 值、执行特征缩放等）的管道，然后是预测阶段，其中涉及在转换后的数据集上训练的预测器并返回其预测。

在这里，我们使用了支持向量回归模块 (sklearn.svm.svr)。

我尝试了一些我的代码，但没有用。于是查了一下教材作者提供的实际解决方案-

prepare_select_and_predict_pipeline = Pipeline([
    ('preparation', data_prep),
    ('svm_reg', SVR(kernel='rbf',C=30000,gamma='scale'))
])

prepare_select_and_predict_pipeline.fit(x_train,y_train)

some_data = x_train.iloc[:4]
print("Predictions for a subset of Training Set:",prepare_select_and_predict_pipeline.predict(some_data))

我试过这段代码，它确实按预期工作。怎样才能正常工作？我的主要反对意见是：

我们只有适合数据集，但我们实际上在哪里改造吗？我们不会在任何地方调用 transform() 函数...
此外，我们如何在此管道中使用 predict() 函数？ SVR 可能是这条管道的一部分，但其他变压器也是，而且他们没有 predict() 函数。

提前感谢您的回答！

Answer 1

当您在 Pipeline 上执行 fit 时，scikit-learn 在后台执行 fit_transform 预处理步骤和 fit 最后一步（分类器|回归器）。当您在 Pipeline scikit-learn 上调用 predict 时，在预处理阶段执行 transform 并在最后一步执行 predict。

现在，模型的定义不是最后一步，而是所有接收数据和输出结果的步骤。管道现在是一个模型。如果您使用具有管道的 GridSearchCV，并且管道具有预处理和最终步骤（回归器|分类器），那么 GridSearchCV 现在就是模型。

见Pipeline Documentation

使用 Scikit-Learn 在管道中包含预测器

Including a Predictor in a Pipeline with Scikit-Learn

python

scikit-learn-pipeline