from sklearn.pipeline import Pipeline, make_pipeline
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
cisla = make_pipeline(SimpleImputer(strategy="median"), StandardScaler())
kategorie = make_pipeline(
SimpleImputer(strategy="most_frequent"),
OneHotEncoder(handle_unknown="ignore"),
)
priprava = ColumnTransformer([
("cisla", cisla, ["vek", "utrata"]),
("kategorie", kategorie, ["mesto"]),
])
pipe = Pipeline([("priprava", priprava), ("model", model)])
cross_val_score(pipe, X, y, cv=5) # příprava se učí v každém foldu
GridSearchCV(pipe, {"model__C": [0.1, 1, 10]}, cv=5)
pipe[:-1].get_feature_names_out() # jména sloupců po přípravěTahák · Python · Strojové učení
Pipelines a únik dat
Proč model s fantastickým skóre často podvádí, jak únik dat odhalit a jak mu předejít pomocí pipeline ve scikit-learn.