scikit-learn

建立预处理与分类模型的统一流水线

准备输入

• 特征数据和目标标签
• 独立的训练与测试划分
• 适用的数据变换与分类器

操作步骤

1. 划分训练和测试数据，把标准化等预处理与分类器组合成 Pipeline。
2. 仅使用训练数据调用流水线的 fit，让变换参数与模型一起从训练数据学习。
3. 对测试数据调用 predict 并计算评价指标，检查是否存在测试信息泄漏，再比较其他配置。

不能先对整个数据集学习预处理参数再做验证；拟合完成不代表对新数据有效，应结合独立测试或交叉验证评估。