在sklearn中，适合的管道是否会重新应用每个变换？

Question

道歉，如果这是显而易见的，但我找不到明确的答案：

说我使用了一个非常典型的管道：

feat_sel = RandomizedLogisticRegression()
clf = RandomForestClassifier()
pl = Pipeline([ ('preprocessing', preprocessing.StandardScaler()),
            ('feature_selection', feat_sel),
            ('classification', clf)])
pl.fit(X,y)

现在，当我在新的套装上使用pl时，

pl.predict(X_classify);

是要重新应用RandomizedLogisticRegression还是在培训中选择的列将用于新数据？如果没有，管道是否有办法区分特征选择器和应该应用于新输入的特征提取器/缩放器/其他变换？直到我确定，我正在跳过管道功能，只是手动完成每个步骤并保持状态。

谢谢！

Answer 1

如果您致电transform，管道会在预处理和功能选择步骤上调用pl.predict。 这意味着在训练中选择的特征将从测试数据中选择（这里唯一有意义的东西）。

目前还不清楚你的意思是＆＃34;申请＆＃34;这里。在致电＆＃34;预测＆＃34;时，将不会学到任何新内容，但所有步骤都将与＆＃34; transform＆＃34;一起使用。