我正在使用scickit-learn来调整模型超参数。我正在使用管道将预处理链接到估算器。我的问题的简单版本看起来像这样：
import numpy as np
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
grid = GridSearchCV(make_pipeline(StandardScaler(), LogisticRegression()),
param_grid={'logisticregression__C': [0.1, 10.]},
cv=2,
refit=False)
_ = grid.fit(X=np.random.rand(10, 3),
y=np.random.randint(2, size=(10,)))
在我的情况下，预处理（玩具示例中的StandardScale（））是耗时的，我没有调整它的任何参数。
因此，当我执行该示例时，StandardScaler执行12次。 2拟合/预测* 2 cv * 3参数。但是每次为参数C的不同值执行StandardScaler时，它返回相同的输出，因此计算它一次就更有效率，然后只运行管道的估计器部分。
我可以在预处理（没有调整超参数）和估算器之间手动拆分管道。但是要将预处理应用于数据，我应该只提供训练集。所以，我必须手动实现拆分，而根本不使用GridSearchCV。
是否有一种简单/标准的方法可以避免在使用GridSearchCV时重复预处理？
从本质上讲，GridSearchCV也是一个估算器，实现了管道使用的fit（）和predict（）方法。
所以代替：
grid = GridSearchCV(make_pipeline(StandardScaler(), LogisticRegression()),
param_grid={'logisticregression__C': [0.1, 10.]},
cv=2,
refit=False)
做这个：
clf = make_pipeline(StandardScaler(),
GridSearchCV(LogisticRegression(),
param_grid={'logisticregression__C': [0.1, 10.]},
cv=2,
refit=True))
clf.fit()
clf.predict()
它将做的是，只调用一次StandardScalar（），一次调用 clf.fit() 而不是你描述的多个电话。
编辑：
改为改装 True，当在管道内使用GridSearchCV时。如 在文档中提到：
refit：boolean，default = True
使用整个数据集重新设置最佳估算器。如果“False”，则无法使用此GridSearchCV实例进行预测
装修后。
如果refit = False， clf.fit() 将无效，因为管道内的GridSearchCV对象将在之后重新初始化 fit()。
什么时候 refit=True，GridSearchCV将在传入的整个数据上重新配置最佳得分参数组合 fit()。
因此，如果你想制作管道，只是为了看到网格搜索的分数，只有那样 refit=False 是合适的。如果你想打电话给 clf.predict() 方法， refit=True 必须使用，否则将抛出错误。
从本质上讲，GridSearchCV也是一个估算器，实现了管道使用的fit（）和predict（）方法。
所以代替：
grid = GridSearchCV(make_pipeline(StandardScaler(), LogisticRegression()),
param_grid={'logisticregression__C': [0.1, 10.]},
cv=2,
refit=False)
做这个：
clf = make_pipeline(StandardScaler(),
GridSearchCV(LogisticRegression(),
param_grid={'logisticregression__C': [0.1, 10.]},
cv=2,
refit=True))
clf.fit()
clf.predict()
它将做的是，只调用一次StandardScalar（），一次调用 clf.fit() 而不是你描述的多个电话。
编辑：
改为改装 True，当在管道内使用GridSearchCV时。如 在文档中提到：
refit：boolean，default = True
使用整个数据集重新设置最佳估算器。如果“False”，则无法使用此GridSearchCV实例进行预测
装修后。
如果refit = False， clf.fit() 将无效，因为管道内的GridSearchCV对象将在之后重新初始化 fit()。
什么时候 refit=True，GridSearchCV将在传入的整个数据上重新配置最佳得分参数组合 fit()。
因此，如果你想制作管道，只是为了看到网格搜索的分数，只有那样 refit=False 是合适的。如果你想打电话给 clf.predict() 方法， refit=True 必须使用，否则将抛出错误。