https://zhuanlan.zhihu.com/p/110873375dom
在本教程中，你将学习如何使用工做流pipelines来整理建模代码。学习
工做流pipelines
工做流pipelines是一种简单的方法，能够保持数据预处理和建模代码的结构化。具体来讲，工做流pipelines打包了预处理和建模步骤，所以你能够轻松的调用。区块链
许多数据科学家在没有使用工做流pipelines的状况下将模型混合在一块儿，但使用工做流pipelines有一些重要的好处。其中包括：
编码
- 清洁代码：在预处理的每一个步骤中计算数据可能会变得混乱。使用工做流pipelines，你无需在每一个步骤手动跟踪你的训练和验证数据。
- 更少的错误：误用步骤或忘记预处理步骤的机会较少。
- 更容易生产：将模型从原型转换为可大规模部署的设备可能会很是困难。咱们不会在这里讨论许多相关问题，但工做流pipelines能够提供帮助。
- 更多模型验证选项：你将在下一个教程中看到一个示例，其中包含交叉验证。
案例
在这个案例里，咱们将查看澳大利亚墨尔本的房价数据。spa
下载并上传3d
点击这里 下载 数据集rest
咱们再把csv文件上传到vitu的数据集空间里 orm
咱们的模型将使用诸如房间数量和土地面积等信息来预测房价。blog
咱们不会关注数据加载步骤。 相反，你能够想象您已经拥有X_train，X_valid，y_train和y_valid中的训练和验证数据。教程
咱们使用下面的head（）方法来查看训练数据。 请注意，数据包含分类数据和缺乏值的列。 有了工做流pipelines，很容易处理这两个！
咱们分三步构建完整的工做流pipelines
第1步：定义预处理步骤
与工做流pipelines将预处理和建模步骤捆绑在一块儿的方式相似，咱们使用ColumnTransformer类将不一样的预处理步骤捆绑在一块儿。 代码以下：
- 在数值数据列中补缺失值
- 估算缺失值并将一位有效编码应用于分类数据。
第2步：定义模型
接下来，咱们使用熟悉的RandomForestRegressor类定义随机森林模型。
第3步：建立和评估工做流pipelines
最后，咱们使用Pipeline类来定义捆绑预处理和建模步骤的工做流pipelines。 有几点须要注意：
- 经过pipeline，咱们预处理训练数据并将模型整合到一行代码中。 （相比之下，若是没有pipeline，咱们必须在不一样的步骤中进行补缺失值，一位有效编码和模型训练。若是咱们必须处理数值和分类变量，这就变得特别麻烦！）
- 经过pipeline，咱们将X_valid中的未处理特征提供给predict（）命令，而且pipeline在生成预测以前自动预处理特征。 （可是，若是没有pipeline，咱们必须记住在进行预测以前预处理验证数据。）