在 sklearn 中，拟合的管道是否会重新应用每个转换？答案

【问题标题】：In sklearn, does a fitted pipeline reapply every transform?在 sklearn 中，拟合的管道是否会重新应用每个转换？
【发布时间】：2015-09-07 09:43:57
【问题描述】：

抱歉，如果这很明显，但我找不到明确的答案：

假设我使用了一个非常典型的管道：

feat_sel = RandomizedLogisticRegression()
clf = RandomForestClassifier()
pl = Pipeline([ ('preprocessing', preprocessing.StandardScaler()),
            ('feature_selection', feat_sel),
            ('classification', clf)])
pl.fit(X,y)

现在当我将 pl 应用到一个新集合时，

pl.predict(X_classify);

是要重新应用 RandomizedLogisticRegression，还是要在新数据中使用在训练中选择的列？如果没有，管道是否有办法区分特征选择器和特征提取器/缩放器/其他应应用于新输入的转换？在我确定之前，我会跳过管道功能，只是手动执行每个步骤并维护状态。

谢谢！

【问题讨论】：

标签： python scikit-learn pipeline feature-selection

【解决方案1】：

如果您调用pl.predict，管道会在预处理和特征选择步骤中调用transform。这意味着在训练中选择的特征将从测试数据中选择（这里唯一有意义的事情）。

不清楚您在这里所说的“申请”是什么意思。调用“predict”时不会学到任何新内容，但所有步骤都将与“transform”一起使用。

【讨论】：

谢谢。你说的很有道理，只是一种奇怪的偏执狂。
我现在还看到，通过调用 pl.steps，我可以检索每个单独的对象。不应该怀疑 sklearn。