make_pipeline

feature_engine.pipeline.make_pipeline(*steps, memory=None, verbose=False)

从给定的估计器构建一个管道。

这是 Pipeline 构造函数的简写；它不需要，也不允许，命名估计器。相反，它们的名称将自动设置为其类型的全小写形式。

更多详情请参阅 用户指南。

参数

*步骤Estimator 对象列表

链式连接的scikit-learn估计器列表。

内存str 或具有 joblib.Memory 接口的对象，默认=None

用于缓存管道的拟合变换器。最后一步永远不会被缓存，即使它是一个变换器。默认情况下，不执行缓存。如果给定一个字符串，它是缓存目录的路径。启用缓存会触发在拟合之前克隆变换器。因此，给定到管道的变换器实例不能直接检查。使用属性 named_steps 或 steps 来检查管道内的估计器。缓存变换器在拟合耗时的情况下是有优势的。

详细bool, 默认=False

如果为 True，则在完成每个步骤的拟合时，将打印所花费的时间。

返回

p管道

返回一个 scikit-learn Pipeline 对象。

参见

Pipeline

用于创建带有最终估计器的转换管道类。

示例

>>> from sklearn.naive_bayes import GaussianNB
>>> from sklearn.preprocessing import StandardScaler
>>> from feature_engine.pipeline import make_pipeline
>>> make_pipeline(StandardScaler(), GaussianNB(priors=None))
Pipeline(steps=[('standardscaler', StandardScaler()),
                ('gaussiannb', GaussianNB())])