考虑使用以下 sklearn Pipeline：
pipeline = make_pipeline(
TfidfVectorizer(),
LinearRegression()
)
我已经进行了TfidfVectorizer预训练，所以当我打电话时pipeline.fit(X, y)我只想LinearRegression进行安装，而不想重新安装TfidfVectorizer。
我能够提前应用转换并适应LinearRegression转换后的数据，但在我的项目中，我的管道中有很多变压器，其中一些经过预训练，有些则没有，所以我正在寻找一种不围绕 sklearn 估计器编写另一个包装器并保持在一个对象的范围内Pipeline。
在我看来，它应该是估计器对象中的一个参数，代表在调用.fit()如果对象已经安装时不重新安装对象。