scikit-learn提供了乙個資料變換庫，可以實現清洗、縮減、擴充套件或產生特徵表示。類似其它估計量，這些都由具有fit方法的類表示。fit方法從訓練集學習模型引數（例如均值和標準差），transform方法應用這個變換模型到未知資料上。而fit_transform方法可以更方便高效地同時建模和變換訓練資料。
pipeline能夠把多個估計量鏈成乙個。當預處理資料存在乙個固定的步驟順序時，例如，特徵選擇、歸一化、分類，它是有用的。pipeline服務於兩個目的：
只需在你的資料上呼叫一次fit,predict, 就可以擬合整個估計過程。
你可以在pipeline裡立即grid search所有估計量的引數。
除了最後乙個，在pipeline裡的所有估計量，都必須被變換（即，必須有乙個transform方法），最後的估計量可以是任何型別的（transformer, classifier等）。
使用乙個(key, value)對列表建立pipeline, 在這裡key是乙個字串，表示你想要的步驟名字，value是乙個估計量物件。
工具函式make_pipeline是pipeline的快速建立法，它取的估計量數是可變的，返回乙個pipeline, 自動填充名字。
乙個pipeline的估計量作為列表儲存在steps屬性裡。
作為乙個字典儲存在named_steps屬性裡。
使用__語法訪問估計量的引數。
featureunion組合幾個變換物件成為乙個新的變換。乙個featureunion取乙個變換物件列表。在擬合期間，每個物件被資料單獨擬合。出於變換資料的目的，這些變換是並行的，它們輸出的樣本向量按端到端的方式連成乙個更大的向量。featureunion和pipeline組合可以實現更複雜的模型。
使用(key, value)對形式的列表建立乙個featureunion, key是變換名（乙個字串），value是乙個估計量物件。
像pipeline一樣，特徵組合也有乙個快速建立函式make_union, 它不需要明確命名成分。同樣，使用set_params, 各個步驟也可以被替代，設定為none則可以忽略。
視覺SLAM十四講第四講
主要目標 理解李群與李代數的概念，掌握 so 3 se 3 與對應李代數的表示方式。理解 bch 近似的意義。學會在李代數上的擾動模型。使用 sophus 對李代數進行運算。旋轉矩陣自身是帶有約束的 正交且行列式為 1 它們作為優化變數時，會引入額外的約束，使優化變得困難。通過李群 李代數間的轉換關...
第四講 Xpath語法
一 什麼是 xml 二 xml 和 html 的區別 名詞解釋 與html對應，需要自己命名，標籤嚴格閉合 即上下對應 三 xml的節點關係 參考html的節點關係 xpath xml path language 是一門在 xml 文件中查詢資訊的語言，可用來在 xml 文件中對元素和屬性進行遍歷。...
Python學習第四講
運算子比較運算子 邏輯運算子 split 分割字串 例 split 點前面一般是變數，括號內是分割的字元 join 拼接字串 例 join 點前面是拼接的字元 一般用變數形式 括號內是變數 strip 左右兩邊去空格 lstrip 左邊去空格 rstrip 右邊去空格 字串內建方法的表示 含義spl...