使用自定义管道进行交叉验证Scikit-Learn

Question

我想使用GridSearchCV来确定分类器的参数，并且使用Pipelines似乎是一个不错的选择。

该应用程序将用于使用单词袋功能进行图像分类，但问题是逻辑管道有不同的逻辑管道，具体取决于是否使用了培训或测试示例。

对于每个训练集，Kmeans必须运行以产生用于测试的词汇，但是对于测试数据，没有运行Kmeans流程。

我看不到如何为管道的行为差异指定这种差异。

Answer 1

您可能需要从KMeans类派生并覆盖以下方法来使用词汇逻辑：

• fit_transform仅在火车数据上调用

• transform将在测试数据上调用

也许班级推导并不是最好的选择。您还可以编写自己的变压器类，该类别将调用呼叫到嵌入式KMeans模型，并提供fit/transform API，该 CC_6 api是第一阶段的Pipeline类所期望的。