Python scikit学习管道（无功能转换）

我在数据集上运行不同的机器学习模型。我正在使用sklearn管道尝试对数值特征进行不同的转换，以评估一个转换是否能提供更好的结果。我使用的基本结构很简单：

from sklearn.pipeline import Pipeline
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import StandardScalar

pipe = Pipeline(steps=[('stdscaler', StandardScaler()), ('clf', RandomForestClassifier())])

pipe.fit(X_train, y_train)

我正在尝试一系列转换，但我还想测试在数字特征集上不执行任何转换的场景（即特征按原样使用）。有没有办法将其纳入管道？比如：

pipe = Pipeline(steps=[('do nothing', do_nothing()), ('clf', RandomForestClassifier())])

是的，你可以这么做

pipe = Pipeline(steps=[('clf', RandomForestClassifier())])

此外，如果您有一些几乎总是想要的自定义基转换，并且它还具有某些超参数或添加的功能，那么您也可以执行类似的操作（有点蹩脚的示例，但仅用于想法…）

以上是一种相互排斥的转换方式，即一种或另一种。相反，如果您有一组转换，并且希望按特定顺序应用它们，那么实现回调可能是正确的方法。看看这种东西是如何在流行的库中实现的，比如sklearn、pytorch或fastai。

是的，你可以简单地做到

pipe = Pipeline(steps=[('clf', RandomForestClassifier())])

此外，如果您有一些几乎总是想要的自定义基转换，并且它还具有某些超参数或添加的功能，那么您也可以执行类似的操作（有点蹩脚的示例，但仅用于想法…）

---

以上是一种相互排斥的转换方式，即一种或另一种。相反，如果您有一组转换，并且希望按特定顺序应用它们，那么实现回调可能是正确的方法。看看在流行的库（如sklearn、pytorch或fastai）中是如何实现这种功能的。

什么是“python管道”？请不要让人们猜测您正在使用的图书馆，请始终提供您正在做的事情的完整描述或我道歉并感谢您的回复。我已经添加了更多关于我正在尝试做的事情的具体信息。什么是“python管道”？请不要让人们猜测您正在使用的图书馆，请始终提供您正在做的事情的完整描述或我道歉并感谢您的回复。我已经添加了更具体的信息来说明我正在尝试做的事情。