Summary  
This chapter introduces the concept of a Pipeline for chaining transformers and an estimator into a single workflow, allowing you to call fit_transform once on training data and then consistently apply transform to new instances.  

General domain of usage  
Machine learning data preprocessing

Dans la section précédente, trois étapes de prétraitement ont été réalisées : imputation, encodage et mise à l'échelle.


Les étapes de prétraitement ont été appliquées **une par une**, en transformant des colonnes spécifiques puis en les réintégrant dans le tableau `X`. Cette méthode peut s'avérer fastidieuse, en particulier avec `OneHotEncoder`, qui modifie le nombre de colonnes.

Un autre inconvénient est que toute nouvelle donnée utilisée pour la prédiction doit suivre la même séquence de transformations, ce qui nécessite de répéter l'ensemble du processus.

La classe `Pipeline` de Scikit-learn simplifie cela en combinant toutes les transformations dans un seul flux de travail, facilitant ainsi l'application cohérente du prétraitement aussi bien aux données d'entraînement qu'aux nouvelles instances.


Un `Pipeline` sert de conteneur pour une séquence de transformateurs, et finalement, un estimateur. Lorsque vous invoquez la méthode `.fit_transform()` sur un `Pipeline`, il applique **séquentiellement** la méthode `.fit_transform()` de chaque transformateur aux données.

```python
# Create a pipeline with three steps: imputation, one-hot encoding, and scaling
pipeline = Pipeline([
    ('imputer', SimpleImputer(strategy='most_frequent')),  # Step 1: Impute missing values
    ('encoder', OneHotEncoder()),                         # Step 2: Convert categorical data
    ('scaler', StandardScaler())                          # Step 3: Scale the data
])

# Fit and transform the data using the pipeline
X_transformed = pipeline.fit_transform(X)
```

Cette approche simplifiée signifie qu'il suffit d'appeler `.fit_transform()` **une seule fois sur l'ensemble d'entraînement** puis d'utiliser la méthode `.transform()` pour traiter de nouveaux exemples.

Quel est l'avantage principal de l'utilisation d'un `Pipeline` dans scikit-learn pour le prétraitement des données et l'entraînement du modèle ?

L'apprentissage automatique est désormais utilisé partout. Vous souhaitez l'apprendre vous-même ? Ce cours constitue une introduction au monde de l'apprentissage automatique afin de vous permettre d'acquérir les concepts de base, de travailler avec Scikit-learn – la bibliothèque la plus populaire pour le ML – et de réaliser votre premier projet d'apprentissage automatique.
Ce cours s'adresse aux étudiants ayant des connaissances de base en Python, Pandas et Numpy.

Découvrez les concepts de l'apprentissage automatique et le flux de travail d'un projet ML.

Le prétraitement est probablement l’étape la plus importante d’un projet ML. Ce chapitre couvre les étapes de prétraitement nécessaires pour presque tout jeu de données.

Un pipeline est une méthode élégante pour combiner toutes les étapes de prétraitement ainsi qu’un modèle. Les pipelines facilitent grandement l’entraînement et l’utilisation d’un modèle.

La modélisation est l'étape la plus intéressante d'un projet ML. Apprenons à construire, ajuster et évaluer le modèle !

Qu'est-ce qu'un pipeline