相关疑难解决方法(0)

我正在处理不平衡的数据集，并希望使用scikit的gridsearchcv进行网格搜索以调整模型的参数。为了对数据进行过采样，我想使用SMOTE，我知道我可以将其作为管道的一个阶段，并将其传递给gridsearchcv。我担心的是，我认为训练和验证折纸都将使用击打，这不是您应该做的。验证集不应过采样。我是否正确，整个管道将应用于两个数据集拆分？如果是的话，我该如何扭转呢？提前谢谢

如何使用自定义函数创建 sklearn 管道？\n我有两个函数，一个用于清理数据，第二个用于构建模型。

def preprocess(df):\n   \xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6.\n   # clean data\n   return df_clean\n\ndef model(df_clean):\n   \xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\xe2\x80\xa6\n   #split data train and test and build randomForest Model\n   return model\n

所以我使用 FunctionTransformer 并创建了管道

from sklearn.pipeline import Pipeline, make_pipeline\nfrom sklearn.preprocessing import FunctionTransformer\n\npipe = Pipeline([("preprocess", FunctionTransformer(preprocess)),("model",FunctionTransformer(model))])\n\npred = pipe.predict_proba(new_test_data)\nprint(pred)\n

我知道上面是错误的，不知道如何处理，在管道中我需要先传递训练数据，然后我必须传递 new_test_data ？