make_pipeline#

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

构建一个来自给定估计器的 Pipeline 。

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。

Parameters:
*steps估计器对象列表

链式连接在一起的 scikit-learn 估计器列表。

memorystr 或具有 joblib.Memory 接口的对象，默认=None

用于缓存管道中拟合的转换器。最后一步即使是一个转换器也不会被缓存。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。启用缓存会在拟合之前触发转换器的克隆。因此，给定到管道的转换器实例不能直接检查。使用属性 named_steps 或 steps 来检查管道中的估计器。当拟合耗时较长时，缓存转换器是有优势的。

verbosebool, 默认=False

如果为 True，则在完成每个步骤的拟合时，将打印所用的时间。

Returns:
pPipeline

返回一个 scikit-learn Pipeline 对象。

See also

Pipeline

用于创建带有最终估计器的转换管道类。

Examples

>>> 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())])
On this page
Show Source