流水线

流水线把数据挖掘过程的每个步骤保存在工作流中。在数据挖掘过程中使用流水线，可以大大降低代码及操作的复杂度，优化流程结构，可以有效减少常见问题的发生。流水线通过 Pipeline() 来实例化，需要传入的属性是一连串数据挖掘的步骤，其中前几个是转换器，最后一个必须是估计器。以经典的鸢尾数据为例，通过以下该简单示例的代码，我们来对比感受使用与不使用流水线下代码的差别。具体流程为：获取数据后，首先进行归一化处理，然后使用近邻算法预测，最后使用交叉检验输出平均准确率。