第69集 python机器学习：网格搜索预处理及其模型选择( 五 )_我们可以利用管道将机器学习工作流程中

我们可以将GridSearchCV和pipeline进一步结合起来，也可以搜索管道中正在执行的步骤（比如用StandardScaler还是MinMaxScaler）。这样会导致更大的搜索空间，所以应该予以考虑——尝试所有可能的解决办法，通常并不是一种可行的机器学习策略。

下面以cancer数据集上搜索使用RandomForestClassifier还是SVC为例：

print(\"Best score of parameters without poly: {:.3f\".format(grid.score(x_test y_test)))

from sklearn.pipeline import Pipeline

pipe = Pipeline([('preprocessing' StandardScaler()) ('classifier' SVC())
)

#我们可以定义搜索的parameter_grid ，希望classifier是RandomForestClassifier或SVC 。

#由于两种分类器需要调节不同的参数，并且需要不同的预处理，所以我们可以使用“在非网络

#空间的搜索“来搜索网格列表这里我们跳过了过道中的某个步骤（如， RandomForestClassifier

第69集 python机器学习：网格搜索预处理及其模型选择( 五 )