使用自定义管道进行交叉验证scikit-learn

Question

我想使用GridSearchCV来确定分类器的参数，使用管道似乎是一个不错的选择。

该应用程序将使用Bag-of-Word功能进行图像分类，但问题是根据是否使用训练或测试示例，存在不同的逻辑管道。

对于每个训练集，KMeans必须运行以生成将用于测试的词汇表，但对于测试数据，不运行KMeans进程。

我看不出如何为管道指定行为差异。

Answer 1

您可能需要从KMeans类派生并重写以下方法以使用词汇逻辑：

• fit_transform只会在火车数据上调用

将在测试数据
上调用

• transform

也许班级推导不是最好的选择。您还可以编写自己的变换器类来包装对嵌入式KMeans模型的调用，并提供fit类所需的fit_transform / transform / Pipeline API。第一阶段。