scikit 中的 pipeline 和 make_pipeline 有什么区别？

Question

我是从 sklearn 网页得到的：

• 管道：带有最终估计器的转换管道

• Make_pipeline：从给定的估算器构造管道。这是 Pipeline 构造函数的简写。

但我仍然不明白什么时候必须使用每个。谁能举个例子？

Answer 1

唯一的区别是make_pipeline 自动为步骤生成名称。

需要步骤名称，例如如果您想使用带有模型选择实用程序（例如 GridSearchCV）的管道。使用网格搜索，您需要为管道的各个步骤指定参数：

pipe = Pipeline([('vec', CountVectorizer()), ('clf', LogisticRegression()])
param_grid = [{'clf__C': [1, 10, 100, 1000]}
gs = GridSearchCV(pipe, param_grid)
gs.fit(X, y)

与 make_pipeline 比较：

pipe = make_pipeline(CountVectorizer(), LogisticRegression())     
param_grid = [{'logisticregression__C': [1, 10, 100, 1000]}
gs = GridSearchCV(pipe, param_grid)
gs.fit(X, y)

所以，Pipeline:

• 名称是明确的，如果需要，您不必弄清楚；
• 如果您更改步骤中使用的估计器/变压器，名称不会改变，例如如果您将 LogisticRegression() 替换为 LinearSVC()，您仍然可以使用 clf__C。

make_pipeline:

• 更短且可读性更强的符号；
• 名称是使用简单的规则（估算器的小写名称）自动生成的。

何时使用它们取决于您 :) 我更喜欢 make_pipeline 用于快速实验，而 Pipeline 用于更稳定的代码；经验法则：IPython Notebook -> make_pipeline；较大项目中的 Python 模块 -> 管道。但在模块中使用 make_pipeline 或在短脚本或笔记本中使用 Pipeline 肯定不是什么大问题。