Til nå har Pipeline hovedsakelig blitt brukt til forbehandling. Forbehandling er imidlertid bare et mellomtrinn. Når dataene er transformert, sendes de vanligvis videre til en prediktor (modell) for å produsere resultater eller prediksjoner.

Pipeline-klassen støtter dette ved å tillate at estimatoren—ofte en prediktor—er det siste steget. Illustrasjonen nedenfor viser hvordan en Pipeline fungerer når dens siste komponent er en prediktor.

Hvorfor .transform()?

Pipelinen bruker .transform() i stedet for .fit_transform() når den håndterer nye datainstanser for prediksjon. Dette sikrer konsistent transformasjon mellom trenings- og testsett.

For eksempel, vurder et datasett med en kategorisk variabel 'Color' som må kodes før modelltrening:

Slik ser én-hot-kodede treningsdata ut:

Her er de nye instansene som skal predikeres:

Hvis .fit_transform() ble brukt på nye instanser, kunne OneHotEncoder generere kolonner i en annen rekkefølge eller til og med introdusere nye. Dette ville ført til at de nye dataene ble transformert inkonsistent med treningssettet, noe som gjør prediksjonene upålitelige.

Ved å bruke .transform() sikres det at de nye dataene kodes nøyaktig som treningsdataene, og kategorier som ikke ble sett under trening ignoreres:

Legge til den endelige estimatoren

For å bruke den endelige estimatoren, må den legges til som siste steg i pipelinen. For eksempel vil vi i neste kapittel bruke en KNeighborsClassifier-modell som endelig estimator.

Syntaksen er som følger:

# Creating a pipeline
pipe = make_pipeline(ct, 
                     SimpleImputer(strategy='most_frequent'),
					 StandardScaler(),
                     KNeighborsClassifier()
                    )
# Training a model using pipeline
pipe.fit(X, y)
# Predicting new instances
pipe.predict(X_new)