sklearn中如何理解Pipeline机制

机器学习中,回归实践中的波士顿房价预测案例
model=Pipeline([
    ('ss',StandardScaler()),
    ('poly',PolynomialFeatures(degree=3,include_bias=True)),
    ('linear',ElasticNetCV(l1_ratio=[0.1, 0.3, 0.5, 0.7, 0.99, 1],alphas=np.logspace(-3,2,5),
                           fit_intercept=False,max_iter=1e3,cv=3))
])
这段代码应该如何理解

邹博 - 计算机科学博士,深谙机器学习算法原理

赞同来自:

这是《机器学习升级版IV》中“回归实践”配套代码的问题。 抱歉回复晚了。课上已经详细解释了Pipleline,现在是否已经理解了?

要回复问题请先登录注册