pipeline管道機制使用方法：
流水線的輸入為一連串的數據挖掘步驟，其中最后一步必須是估計器（Estimator），可理解成分類器
前幾步是轉換器（Transformer）。輸入的數據集經過轉換器的處理后，輸出的結果作為下一步的輸入。
最后，用位於流水線最后一步的估計器對數據進行分類。
每一步都用元組（ ‘名稱’，步驟）來表示。現在來創建流水線。
pipe = Pipeline([('sc',StandardScaler()), ('pca',PCA(n_components=2)), ('clf',LogisticRegression(random_state=666)) #設置隨機種子，使測試結果復現 ])
#coding=gbk #sklearn 中pipeline管道機制的使用 ''' 流水線的功能： 跟蹤記錄各步驟的操作（以方便地重現實驗結果） 對各步驟進行一個封裝 確保代碼的復雜程度不至於超出掌控范圍 ''' import pandas as pd from sklearn.cross_validation import train_test_split from sklearn.preprocessing import LabelEncoder data = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/' 'breast-cancer-wisconsin/wdbc.data', header=None) print(data.shape) x, y = data.values[:,2:],data.values[:,1] encoder = LabelEncoder() y= encoder.fit_transform(y) #將 標簽 'm', 'b' 轉換成1,0 x_train, x_test, y_train, y_test = train_test_split(x,y,test_size= 0.2,random_state= 666) #使用pipeline管道機制 from sklearn.preprocessing import StandardScaler #規范化，使各特征的均值為1，方差為0 from sklearn.decomposition import PCA from sklearn.linear_model import LogisticRegression from sklearn.pipeline import Pipeline pipe = Pipeline([('sc',StandardScaler()), ('pca',PCA(n_components=2)), ('clf',LogisticRegression(random_state=666)) #設置隨機種子，使測試結果復現 ]) pipe.fit(x_train, y_train) print('Test accuracy is %.3f' % pipe.score(x_test, y_test)) # Test accuracy is 0.921當我們執行 pipe.fit(X_train, y_train)時，首先由StandardScaler在訓練集上執行 fit和transform方法，transformed后的數據又被傳遞給Pipeline對象的下一步，也即PCA()。和StandardScaler一樣，PCA也是執行fit和transform方法，最終將轉換后的數據傳遞給 LosigsticRegression。
