我正在使用 sklearn 管道来构建 Keras 自动编码器模型并使用 gridsearch 来查找最佳超参数。如果我使用多层感知器模型进行分类，这很好用；但是，在自动编码器中，我需要输出值与输入相同。换句话说，我正在使用StandardScalar在管道中实例来缩放输入值，因此这引出了我的问题：如何使StandardScalar管道内的实例同时处理输入数据和目标数据，以便它们最终会一样吗？
我提供了一个代码片段作为示例。
from sklearn.datasets import make_classification
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.model_selection import GridSearchCV, KFold
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import RMSprop, Adam
from tensorflow.keras.wrappers.scikit_learn import KerasRegressor
X, y = make_classification (n_features = 50, n_redundant = 0, random_state = 0,
scale = 100, n_clusters_per_class = 1)
# Define wrapper
def create_model (learn_rate = 0.01, input_shape, metrics = ['mse']):
model = …