我正在尝试使用Pipeline拟合一个模型：
from sklearn import cross_validation
from sklearn.linear_model import LogisticRegression
from sklearn.grid_search import GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import MinMaxScaler
cross_validation_object = cross_validation.StratifiedKFold(Y, n_folds = 10)
scaler = MinMaxScaler(feature_range = [0,1])
logistic_fit = LogisticRegression()
pipeline_object = Pipeline([('scaler', scaler),('model', logistic_fit)])
tuned_parameters = [{'model__C': [0.01,0.1,1,10],
'model__penalty': ['l1','l2']}]
grid_search_object = GridSearchCV(pipeline_object, tuned_parameters, cv = cross_validation_object, scoring = 'accuracy')
grid_search_object.fit(X_train,Y_train)
我的问题：best_estimator是否要根据训练数据中的值来缩放测试数据？例如，如果我打电话：
grid_search_object.best_estimator_.predict(X_test)
它将不会尝试使缩放器适合X_test数据，对吗？它将仅使用原始参数对其进行转换。
谢谢！
最佳答案
predict方法从不适合任何数据。在这种情况下，正如您所描述的，best_estimator_管道将根据在训练集上获得的缩放比例进行缩放。
关于python - Pipeline中的项目什么时候调用fit_transform()，什么时候调用transform()？ (scikit学习，管道)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/25248418/