准备知识33 章节

Python 与科学计算

9 篇

01.Python 环境与 Notebook 02.变量、类型与表达式 03.控制流与推导式 04.核心数据结构 05.函数、作用域与函数式工具 06.模块、包与配置 07.文件、异常、调试与测试 08.NumPy 数值计算与向量化 09. Pandas 数据分析与表格操作实战

数学基础（线代、微积分与概率统计）

15 篇

01.向量、矩阵与余弦相似度 02.矩阵运算、秩与几何变换 03.基、Gram-Schmidt 与最小二乘 04.特征值分解、对角化与正定矩阵 05.SVD 分解与 PCA 降维实战 06. 偏导数、链式法则与计算图 07. 梯度、Jacobian/Hessian 与凸性 08. 梯度下降算法：Batch, SGD 与 Mini-batch 09. 现代优化器：Momentum, RMSProp 与 Adam 10. 损失函数思想与凸函数极小化 11. 随机变量、条件概率与贝叶斯定理 12. 常见分布、期望方差与协方差 13. 大数定律、中心极限定理与 Bootstrap 14. MLE, MAP 与高斯-MSE/伯努利-BCE 推导 15. 假设检验、p值、效应量与 A/B 测试实战

数据处理与特征工程

5 篇

01. 数据字典、质量审计与 EDA 清单 02. 随机、分层、分组与时间序列切分 03. 预处理、编码与防数据泄漏铁律 04. 特征构造、多重共线性与类别不平衡消融 05. ColumnTransformer, Pipeline 与模型持久化

实验与工程习惯

4 篇

01. 规范仓库结构、YAML 配置与随机性控制 02. 模块化代码重构与 pytest 5大契约测试 03. 结构化实验记录 runs/ 与误分类错误分析 04. 端到端从零复现、多模型基线对比与报告

本模块进度0%

已完成 0 / 33 个章节

查看知识全景图

笔记库/准备知识/05. ColumnTransformer, Pipeline 与模型持久化

← 返回知识地图

05. ColumnTransformer, Pipeline 与模型持久化

难度: 中等预计阅读 60 分钟学习进度 0%

核心导读

掌握 ColumnTransformer 异构特征差异化预处理，使用 Pipeline 封装端到端流线，结合交叉验证与 Joblib 模型安全持久化。

从一个问题开始

在包含了数值列（如年龄、收入）和文本类别列（如学历、职业）的异构数据集中，如果手写几百行 fit、transform、concat 代码，代码会变得极其冗长且极易出错。

更糟糕的是，如果想把训练好的预处理规则和模型部署到生产服务器上，难道要在服务器上把预处理逻辑重新手写一遍吗？

答案是使用 Scikit-Learn 的 ColumnTransformer 与 Pipeline！它们就像工厂里的自动化流水线，将复杂的预处理与模型打包为一个单一的对象。这一章我们将学习端到端流水线构建、交叉验证与 .joblib 模型安全持久化。

初学者直觉：自动化流水线工厂 (Assembly Line)

把模型训练与预测比作现代化的汽车组装工厂：

ColumnTransformer：分拣车间。数值列送往【清洗+缩放】流水线，类别列送往【清洗+One-Hot编码】流水线。
Pipeline：总装流水线。将【分拣车间 $\to$ 模型总装】接成一条整管，输入原始脏数据，直接输出预测类别！
模型持久化 (joblib.dump)：把整条组装好的工厂封箱打包导出，部署时解开箱子直接开工。

点击放大查看图：ColumnTransformer 端到端流水线结构图

1. ColumnTransformer 与 Pipeline 规范

1.1 异构列处理 `ColumnTransformer`

ColumnTransformer 允许对 DataFrame 的不同列切片施加完全不同的预处理管道：

python

preprocessor = ColumnTransformer(transformers=[
    ('num', numeric_transformer, numeric_features),
    ('cat', categorical_transformer, categorical_features)
])

1.2 端到端流水线 `Pipeline` / `make_pipeline`

将预处理 preprocessor 与模型估计器（如 LogisticRegression）绑定：

X_{\text{raw}} \xrightarrow{\text{preprocessor.fit\_transform}} X_{\text{processed}} \xrightarrow{\text{classifier.fit}} \text{Model}

调用 pipeline.fit(X_train, y_train) 会自动在 Fold 内部严格隔离地执行预处理 fit，天然防止任何数据泄漏！

1.3 模型持久化 (Model Persistence) 边界

使用 joblib.dump(pipeline, 'model.joblib') 导出模型：

序列化兼容性：保存的文件依赖于当前的 Python 与 Scikit-Learn 版本。
安全边界：严禁反序列化（加载）来自不受信任来源的 .pkl / .joblib 文件！ 因为 Pickle 格式允许执行任意恶意 Python 代码。

2. 手算演练

手算练习：5 折交叉验证指标均值与标准差计算

假设我们使用 Pipeline 进行了 5-Fold 交叉验证，在 5 个验证集上算出的 Accuracy 分别为：

\text{Scores} = [0.80, 0.82, 0.84, 0.78, 0.86]

第一步：手算交叉验证均值 $\bar{\mu}$ ：

\bar{\mu} = \frac{0.80 + 0.82 + 0.84 + 0.78 + 0.86}{5} = \frac{4.10}{5} = \mathbf{0.8200}

第二步：手算交叉验证标准差 $\sigma$ ：
- 各折偏差： $[-0.02, 0.00, +0.02, -0.04, +0.04]$
- 平方和： $0.0004 + 0.0000 + 0.0004 + 0.0016 + 0.0016 = 0.0040$
- 无偏方差（除以 $5-1=4$ ）：

s^2 = \frac{0.0040}{4} = 0.0010 \implies s = \sqrt{0.0010} \approx \mathbf{0.0316}

得出结论：模型的交叉验证得分为 $0.820 \pm 0.032$ 。

3. 动手实战：从零构建端到端 Pipeline 并持久化

下面的代码演示如何使用 ColumnTransformer 和 Pipeline 构建全流程，并保存与加载 .joblib 模型文件：

ColumnTransformer, Pipeline 与 Joblib 模型持久化代码

import numpy as np

import pandas as pd

import joblib

from sklearn.model_selection import train_test_split, cross_val_score

from sklearn.compose import ColumnTransformer

from sklearn.pipeline import Pipeline

from sklearn.impute import SimpleImputer

from sklearn.preprocessing import StandardScaler, OneHotEncoder

from sklearn.ensemble import RandomForestClassifier

# 1. 构造包含数值与文本类别的原始 DataFrame

df = pd.DataFrame({

'age': [25, 30, np.nan, 45, 35, 50, 23, 40],

'fare': [7.25, 71.28, 8.05, 53.10, 8.05, 13.00, np.nan, 26.00],

'embarked': ['S', 'C', 'S', np.nan, 'S', 'Q', 'S', 'C'],

'survived': [0, 1, 0, 1, 0, 0, 0, 1]

})

X = df.drop(columns=['survived'])

y = df['survived']

# 2. 构建数值列与类别列各自的预处理 Pipeline

num_features = ['age', 'fare']

num_pipeline = Pipeline([

('imputer', SimpleImputer(strategy='median')),

('scaler', StandardScaler())

])

cat_features = ['embarked']

cat_pipeline = Pipeline([

('imputer', SimpleImputer(strategy='most_frequent')),

('onehot', OneHotEncoder(handle_unknown='ignore'))

])

# 3. 组合成 ColumnTransformer

preprocessor = ColumnTransformer(transformers=[

('num', num_pipeline, num_features),

('cat', cat_pipeline, cat_features)

])

# 4. 绑定估计器组成端到端全流程 Pipeline

full_pipeline = Pipeline([

('preprocessor', preprocessor),

('classifier', RandomForestClassifier(n_estimators=10, random_state=42))

])

# 5. 拟合模型与持久化导出

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)

full_pipeline.fit(X_train, y_train)

# 保存模型文件

model_filename = 'full_pipeline_model.joblib'

joblib.dump(full_pipeline, model_filename)

print(f"✅ 模型流水线已成功保存为: {model_filename}")

# 从文件重新加载模型并对新原始样本直接预测

loaded_pipeline = joblib.load(model_filename)

new_raw_sample = pd.DataFrame({'age': [32], 'fare': [12.5], 'embarked': ['S']})

pred = loaded_pipeline.predict(new_raw_sample)

print("加载模型对新原始样本预测分类结果:", pred[0])

import numpy as np
import pandas as pd
import joblib
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.ensemble import RandomForestClassifier

# 1. 构造包含数值与文本类别的原始 DataFrame
df = pd.DataFrame({
    'age': [25, 30, np.nan, 45, 35, 50, 23, 40],
    'fare': [7.25, 71.28, 8.05, 53.10, 8.05, 13.00, np.nan, 26.00],
    'embarked': ['S', 'C', 'S', np.nan, 'S', 'Q', 'S', 'C'],
    'survived': [0, 1, 0, 1, 0, 0, 0, 1]
})

X = df.drop(columns=['survived'])
y = df['survived']

# 2. 构建数值列与类别列各自的预处理 Pipeline
num_features = ['age', 'fare']
num_pipeline = Pipeline([
    ('imputer', SimpleImputer(strategy='median')),
    ('scaler', StandardScaler())
])

cat_features = ['embarked']
cat_pipeline = Pipeline([
    ('imputer', SimpleImputer(strategy='most_frequent')),
    ('onehot', OneHotEncoder(handle_unknown='ignore'))
])

# 3. 组合成 ColumnTransformer
preprocessor = ColumnTransformer(transformers=[
    ('num', num_pipeline, num_features),
    ('cat', cat_pipeline, cat_features)
])

# 4. 绑定估计器组成端到端全流程 Pipeline
full_pipeline = Pipeline([
    ('preprocessor', preprocessor),
    ('classifier', RandomForestClassifier(n_estimators=10, random_state=42))
])

# 5. 拟合模型与持久化导出
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
full_pipeline.fit(X_train, y_train)

# 保存模型文件
model_filename = 'full_pipeline_model.joblib'
joblib.dump(full_pipeline, model_filename)
print(f"✅ 模型流水线已成功保存为: {model_filename}")

# 从文件重新加载模型并对新原始样本直接预测
loaded_pipeline = joblib.load(model_filename)
new_raw_sample = pd.DataFrame({'age': [32], 'fare': [12.5], 'embarked': ['S']})
pred = loaded_pipeline.predict(new_raw_sample)

print("加载模型对新原始样本预测分类结果:", pred[0])

4. 常见错误与避坑指南

现象	先问什么	处理方式
在 `ColumnTransformer` 中忘记处理未指定的列	`remainder` 参数是否设为了 `'drop'` 或 `'passthrough'`	默认 `remainder='drop'` 会丢弃未指定的列；如需保留请显式设为 `remainder='passthrough'`
加载保存的 `.joblib` 模型后预测报错	新数据列名与类型是否与训练集完全一致	生产线上输入的必须是格式完全一致的原始 DataFrame，由加载的 Pipeline 自动转换
加载不受信任网络下载的 `.joblib` / `.pkl` 文件	文件来源是否可信	严禁反序列化未受信任的文件，防止被植入代码执行漏洞

检查清单 (Checklist)

能说明 ColumnTransformer 的作用，并为数值与类别列分别配置差异化预处理。
能使用 Pipeline 将预处理与估计器整合成端到端对象。
能解释为什么把预处理步骤放入 Pipeline 可以天然防止交叉验证中的数据泄漏。
能手算 5 折交叉验证的得分均值与标准差。
能使用 joblib 完成模型的持久化导出与重新加载验证。

自测题

在某 ColumnTransformer 中，num_cols 用 StandardScaler 处理，cat_cols 用 OneHotEncoder 处理。如果有一个时间列 date_cols 不需要任何处理，应该设置哪个参数？
解释：为什么直接对全量数据做 cross_val_score(model, X_scaled, y) 可能会泄漏，而 cross_val_score(pipeline, X_raw, y) 却是绝对安全的？
使用 joblib.dump() 保存的模型文件包含了哪些信息？包含 Python 代码本身吗？
【代码阅读题】在上一节代码中，为什么针对加载后的模型 loaded_pipeline.predict() 输入的是未经任何填补和缩放的原始 new_raw_sample DataFrame？

点击查看参考答案

应该设置 remainder='passthrough' 参数，或者在 ColumnTransformer 的 transformers 列表中显式传入 ('pass', 'passthrough', date_cols)。
因为 X_scaled 如果是提前在全量数据上 fit 缩放出来的，就已经泄漏了全局均值；而将未缩放的 X_raw 传给包含预处理的 pipeline 时，cross_val_score 会在每一个折（Fold）内部独立对训练折 fit_transform、对验证折 transform，保证绝对隔离。
包含了模型的结构参数、学习到的权重、特征均值/标准差、One-Hot 字典等已拟合的属性（Attributes），但不包含 Python 源码本身（重新加载时要求本地环境存在相同的库与类定义）。
因为 loaded_pipeline 是端到端的流水线对象，其内部已经封装了 ColumnTransformer 预处理逻辑，能够自动对输入的原始 DataFrame 依次执行缺失值填补、标准化和 One-Hot 编码。

下一步

🎉 恭喜你成功完成数据处理与特征工程的全部课程！

你已经完整掌握了数据质量审计、4 大切分策略、防数据泄漏铁律、特征消融实验与 Pipeline 流水线构建。请准备迈入下一个阶段 01. 规范仓库结构、YAML 配置与随机性控制！

参考资料

scikit-learn: ColumnTransformer with Mixed Types：异构数据预处理例程。
scikit-learn: Model Persistence：Joblib 模型持久化与安全界限。
scikit-learn: Pipelines and composite estimators：Pipeline 架构官方指南。

本页目录

从一个问题开始

1. ColumnTransformer 与 Pipeline 规范

1.1 异构列处理 `ColumnTransformer`

1.2 端到端流水线 `Pipeline` / `make_pipeline`

1.3 模型持久化 (Model Persistence) 边界

2. 手算演练

手算练习：5 折交叉验证指标均值与标准差计算

3. 动手实战：从零构建端到端 Pipeline 并持久化

4. 常见错误与避坑指南

检查清单 (Checklist)

自测题

下一步

参考资料

核心概念术语表

\text{ColumnTransformer}

对表格不同类型列应用不同预处理管道

\text{make\_pipeline}

将预处理步骤与最终估计器链式组合

\text{joblib.dump / load}

模型的序列化持久化与反序列化加载

关联推荐笔记

查看全部

04. 特征构造、多重共线性与类别不平衡消融

特征工程 60 分钟

01. 规范仓库结构、YAML 配置与随机性控制

工程习惯 50 分钟

从一个问题开始

更糟糕的是，如果想把训练好的预处理规则和模型部署到生产服务器上，难道要在服务器上把预处理逻辑重新手写一遍吗？

初学者直觉：自动化流水线工厂 (Assembly Line)

把模型训练与预测比作现代化的汽车组装工厂：

ColumnTransformer：分拣车间。数值列送往【清洗+缩放】流水线，类别列送往【清洗+One-Hot编码】流水线。
Pipeline：总装流水线。将【分拣车间 $\to$ 模型总装】接成一条整管，输入原始脏数据，直接输出预测类别！
模型持久化 (joblib.dump)：把整条组装好的工厂封箱打包导出，部署时解开箱子直接开工。

点击放大查看图：ColumnTransformer 端到端流水线结构图

1. ColumnTransformer 与 Pipeline 规范

1.1 异构列处理 `ColumnTransformer`

ColumnTransformer 允许对 DataFrame 的不同列切片施加完全不同的预处理管道：

python

preprocessor = ColumnTransformer(transformers=[
    ('num', numeric_transformer, numeric_features),
    ('cat', categorical_transformer, categorical_features)
])

1.2 端到端流水线 `Pipeline` / `make_pipeline`

将预处理 preprocessor 与模型估计器（如 LogisticRegression）绑定：

X_{\text{raw}} \xrightarrow{\text{preprocessor.fit\_transform}} X_{\text{processed}} \xrightarrow{\text{classifier.fit}} \text{Model}

调用 pipeline.fit(X_train, y_train) 会自动在 Fold 内部严格隔离地执行预处理 fit，天然防止任何数据泄漏！

1.3 模型持久化 (Model Persistence) 边界

使用 joblib.dump(pipeline, 'model.joblib') 导出模型：

序列化兼容性：保存的文件依赖于当前的 Python 与 Scikit-Learn 版本。
安全边界：严禁反序列化（加载）来自不受信任来源的 .pkl / .joblib 文件！ 因为 Pickle 格式允许执行任意恶意 Python 代码。

2. 手算演练

手算练习：5 折交叉验证指标均值与标准差计算

假设我们使用 Pipeline 进行了 5-Fold 交叉验证，在 5 个验证集上算出的 Accuracy 分别为：

\text{Scores} = [0.80, 0.82, 0.84, 0.78, 0.86]

第一步：手算交叉验证均值 $\bar{\mu}$ ：

\bar{\mu} = \frac{0.80 + 0.82 + 0.84 + 0.78 + 0.86}{5} = \frac{4.10}{5} = \mathbf{0.8200}

第二步：手算交叉验证标准差 $\sigma$ ：
- 各折偏差： $[-0.02, 0.00, +0.02, -0.04, +0.04]$
- 平方和： $0.0004 + 0.0000 + 0.0004 + 0.0016 + 0.0016 = 0.0040$
- 无偏方差（除以 $5-1=4$ ）：

s^2 = \frac{0.0040}{4} = 0.0010 \implies s = \sqrt{0.0010} \approx \mathbf{0.0316}

得出结论：模型的交叉验证得分为 $0.820 \pm 0.032$ 。

3. 动手实战：从零构建端到端 Pipeline 并持久化

下面的代码演示如何使用 ColumnTransformer 和 Pipeline 构建全流程，并保存与加载 .joblib 模型文件：

ColumnTransformer, Pipeline 与 Joblib 模型持久化代码

import numpy as np

import pandas as pd

import joblib

from sklearn.model_selection import train_test_split, cross_val_score

from sklearn.compose import ColumnTransformer

from sklearn.pipeline import Pipeline

from sklearn.impute import SimpleImputer

from sklearn.preprocessing import StandardScaler, OneHotEncoder

from sklearn.ensemble import RandomForestClassifier

# 1. 构造包含数值与文本类别的原始 DataFrame

df = pd.DataFrame({

'age': [25, 30, np.nan, 45, 35, 50, 23, 40],

'fare': [7.25, 71.28, 8.05, 53.10, 8.05, 13.00, np.nan, 26.00],

'embarked': ['S', 'C', 'S', np.nan, 'S', 'Q', 'S', 'C'],

'survived': [0, 1, 0, 1, 0, 0, 0, 1]

})

X = df.drop(columns=['survived'])

y = df['survived']

# 2. 构建数值列与类别列各自的预处理 Pipeline

num_features = ['age', 'fare']

num_pipeline = Pipeline([

('imputer', SimpleImputer(strategy='median')),

('scaler', StandardScaler())

])

cat_features = ['embarked']

cat_pipeline = Pipeline([

('imputer', SimpleImputer(strategy='most_frequent')),

('onehot', OneHotEncoder(handle_unknown='ignore'))

])

# 3. 组合成 ColumnTransformer

preprocessor = ColumnTransformer(transformers=[

('num', num_pipeline, num_features),

('cat', cat_pipeline, cat_features)

])

# 4. 绑定估计器组成端到端全流程 Pipeline

full_pipeline = Pipeline([

('preprocessor', preprocessor),

('classifier', RandomForestClassifier(n_estimators=10, random_state=42))

])

# 5. 拟合模型与持久化导出

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)

full_pipeline.fit(X_train, y_train)

# 保存模型文件

model_filename = 'full_pipeline_model.joblib'

joblib.dump(full_pipeline, model_filename)

print(f"✅ 模型流水线已成功保存为: {model_filename}")

# 从文件重新加载模型并对新原始样本直接预测

loaded_pipeline = joblib.load(model_filename)

new_raw_sample = pd.DataFrame({'age': [32], 'fare': [12.5], 'embarked': ['S']})

pred = loaded_pipeline.predict(new_raw_sample)

print("加载模型对新原始样本预测分类结果:", pred[0])

X = df.drop(columns=['survived'])
y = df['survived']

cat_features = ['embarked']
cat_pipeline = Pipeline([
    ('imputer', SimpleImputer(strategy='most_frequent')),
    ('onehot', OneHotEncoder(handle_unknown='ignore'))
])

# 3. 组合成 ColumnTransformer
preprocessor = ColumnTransformer(transformers=[
    ('num', num_pipeline, num_features),
    ('cat', cat_pipeline, cat_features)
])

# 4. 绑定估计器组成端到端全流程 Pipeline
full_pipeline = Pipeline([
    ('preprocessor', preprocessor),
    ('classifier', RandomForestClassifier(n_estimators=10, random_state=42))
])

# 5. 拟合模型与持久化导出
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
full_pipeline.fit(X_train, y_train)

# 保存模型文件
model_filename = 'full_pipeline_model.joblib'
joblib.dump(full_pipeline, model_filename)
print(f"✅ 模型流水线已成功保存为: {model_filename}")

print("加载模型对新原始样本预测分类结果:", pred[0])

4. 常见错误与避坑指南

现象	先问什么	处理方式
在 `ColumnTransformer` 中忘记处理未指定的列	`remainder` 参数是否设为了 `'drop'` 或 `'passthrough'`	默认 `remainder='drop'` 会丢弃未指定的列；如需保留请显式设为 `remainder='passthrough'`
加载保存的 `.joblib` 模型后预测报错	新数据列名与类型是否与训练集完全一致	生产线上输入的必须是格式完全一致的原始 DataFrame，由加载的 Pipeline 自动转换
加载不受信任网络下载的 `.joblib` / `.pkl` 文件	文件来源是否可信	严禁反序列化未受信任的文件，防止被植入代码执行漏洞

检查清单 (Checklist)

能说明 ColumnTransformer 的作用，并为数值与类别列分别配置差异化预处理。
能使用 Pipeline 将预处理与估计器整合成端到端对象。
能解释为什么把预处理步骤放入 Pipeline 可以天然防止交叉验证中的数据泄漏。
能手算 5 折交叉验证的得分均值与标准差。
能使用 joblib 完成模型的持久化导出与重新加载验证。

自测题

在某 ColumnTransformer 中，num_cols 用 StandardScaler 处理，cat_cols 用 OneHotEncoder 处理。如果有一个时间列 date_cols 不需要任何处理，应该设置哪个参数？
解释：为什么直接对全量数据做 cross_val_score(model, X_scaled, y) 可能会泄漏，而 cross_val_score(pipeline, X_raw, y) 却是绝对安全的？
使用 joblib.dump() 保存的模型文件包含了哪些信息？包含 Python 代码本身吗？
【代码阅读题】在上一节代码中，为什么针对加载后的模型 loaded_pipeline.predict() 输入的是未经任何填补和缩放的原始 new_raw_sample DataFrame？

点击查看参考答案

应该设置 remainder='passthrough' 参数，或者在 ColumnTransformer 的 transformers 列表中显式传入 ('pass', 'passthrough', date_cols)。
因为 X_scaled 如果是提前在全量数据上 fit 缩放出来的，就已经泄漏了全局均值；而将未缩放的 X_raw 传给包含预处理的 pipeline 时，cross_val_score 会在每一个折（Fold）内部独立对训练折 fit_transform、对验证折 transform，保证绝对隔离。
包含了模型的结构参数、学习到的权重、特征均值/标准差、One-Hot 字典等已拟合的属性（Attributes），但不包含 Python 源码本身（重新加载时要求本地环境存在相同的库与类定义）。
因为 loaded_pipeline 是端到端的流水线对象，其内部已经封装了 ColumnTransformer 预处理逻辑，能够自动对输入的原始 DataFrame 依次执行缺失值填补、标准化和 One-Hot 编码。

下一步

🎉 恭喜你成功完成数据处理与特征工程的全部课程！

参考资料

scikit-learn: ColumnTransformer with Mixed Types：异构数据预处理例程。
scikit-learn: Model Persistence：Joblib 模型持久化与安全界限。
scikit-learn: Pipelines and composite estimators：Pipeline 架构官方指南。

准备知识33 章节

准备知识33 章节

05. ColumnTransformer, Pipeline 与模型持久化

核心导读

从一个问题开始

初学者直觉：自动化流水线工厂 (Assembly Line)

点击放大查看图：ColumnTransformer 端到端流水线结构图

1. ColumnTransformer 与 Pipeline 规范

1.1 异构列处理 ColumnTransformer

1.2 端到端流水线 Pipeline / make_pipeline

1.3 模型持久化 (Model Persistence) 边界

2. 手算演练

手算练习：5 折交叉验证指标均值与标准差计算

3. 动手实战：从零构建端到端 Pipeline 并持久化

4. 常见错误与避坑指南

检查清单 (Checklist)

自测题

下一步

参考资料

本页目录

核心概念术语表

关联推荐笔记

准备知识33 章节

05. ColumnTransformer, Pipeline 与模型持久化

核心导读

从一个问题开始

初学者直觉：自动化流水线工厂 (Assembly Line)

点击放大查看图：ColumnTransformer 端到端流水线结构图

1. ColumnTransformer 与 Pipeline 规范

1.1 异构列处理 ColumnTransformer

1.2 端到端流水线 Pipeline / make_pipeline

1.3 模型持久化 (Model Persistence) 边界

2. 手算演练

手算练习：5 折交叉验证指标均值与标准差计算

3. 动手实战：从零构建端到端 Pipeline 并持久化

4. 常见错误与避坑指南

检查清单 (Checklist)

自测题

下一步

参考资料

本页目录

核心概念术语表

关联推荐笔记

1.1 异构列处理 `ColumnTransformer`

1.2 端到端流水线 `Pipeline` / `make_pipeline`

1.1 异构列处理 `ColumnTransformer`

1.2 端到端流水线 `Pipeline` / `make_pipeline`