sklearn.pipeline.make_pipeline

sklearn.pipeline.make_pipeline()

Construye un Pipeline a partir de los estimadores dados.

Esta es una abreviatura para el constructor de Pipeline; no requiere, ni permite, nombrar los estimadores. En cambio, sus nombres se establecerán al lowercase de sus tipos automáticamente.

Parámetros

*stepslist de estimadores.

memorystr u object con la interfaz joblib.Memory, default=None

Se utiliza para almacenar en caché los transformadores ajustados del pipeline. Por defecto, no se realiza ningún almacenamiento en caché. Si se da una cadena, es la ruta del directorio de caché. La activación del almacenamiento en caché provoca un clon de los transformadores antes del ajuste. Por lo tanto, la instancia del transformador dada al pipeline no puede ser inspeccionada directamente. Utiliza el atributo named_steps o steps para inspeccionar los estimadores dentro del pipeline. El almacenamiento en caché de los transformadores es ventajoso cuando el ajuste requiere mucho tiempo.

verbosebool, default=False

Si es True, el tiempo transcurrido durante el ajuste de cada paso se imprimirá a medida que se complete.

Devuelve

pPipeline

Ver también

Pipeline

Clase para crear un pipeline de transformaciones mediante un estimador final.

Ejemplos

>>> from sklearn.naive_bayes import GaussianNB
>>> from sklearn.preprocessing import StandardScaler
>>> make_pipeline(StandardScaler(), GaussianNB(priors=None))
Pipeline(steps=[('standardscaler', StandardScaler()),
                ('gaussiannb', GaussianNB())])

Ejemplos utilizando sklearn.pipeline.make_pipeline

Vecinos más cercanos aproximados en TSNE