KNN / 06 · EXPLICATION
Un Pipeline apprend les étapes dans le bon ordre
Un Pipeline regroupe la transformation et le modèle dans un seul objet.
Pendant fit, le scaler apprend sur les données reçues, les transforme, puis le modèle s’ajuste. Pendant predict, le scaler transforme les nouvelles observations sans réapprendre ses paramètres.
Exemple expliqué
- 1
pipe = make_pipeline(StandardScaler(), KNeighborsRegressor(n_neighbors=5))Le scaler est suivi du modèle. make_pipeline choisit automatiquement les noms des étapes.
- 2
pipe.fit(X_train, y_train) y_hat = pipe.predict(X_test)Une interface unique pour le traitement complet.
À retenir
- 01
En validation croisée, chaque pli reçoit un Pipeline neuf : la normalisation est recalculée sur les seuls blocs d’entraînement de ce pli.
- 02
Normaliser une fois tout X avant cross_val_score laisserait les blocs de validation influencer le scaler.
- 03
Le Pipeline expose fit et predict, comme LinearRegression ou KNeighborsRegressor.
Les slides d’explication ne donnent pas lieu à une validation de code.