у меня есть данные на два этапе:Объединение два подогнанных оценщиков в трубопровод
import numpy as np
data_pre = np.array([[1., 2., 203.],
[0.5, np.nan, 208.]])
data_post = np.array([[2., 2., 203.],
[0.5, 2., 208.]])
У меня также есть две уже существующие встроенные оценщики:
from sklearn.preprocessing import Imputer
from sklearn.ensemble import GradientBoostingRegressor
imp = Imputer(missing_values=np.nan, strategy='mean', axis=1).fit(data_pre)
gbm = GradientBoostingRegressor().fit(data_post[:,:2], data_post[:,2])
мне нужно пройти подогнанный трубопровод и data_pre
к другой функции.
def the_function_i_need(estimators):
"""
"""
return fitted pipeline
fitted_pipeline = the_function_i_need([imp, gbm])
sweet_output = static_function(fitted_pipeline, data_pre)
Есть ли способ объединить эти два существующие и встроенная модель объектов в подогнанный трубопровод без переоборудования модели или я не повез?
Это в основном то, что я делал, но, согласен, это немного грязно, поэтому я оставил вопрос на случай, если кто-то найдет что-то лучше. Он работает, и он наполняет мои потребности, просто чувствует себя немного рискованным. Спасибо, что посмотрели! – Chris