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

In de vorige sectie zijn drie preprocessingsstappen uitgevoerd: imputeren, coderen en schalen.


De preprocessingsstappen werden **één voor één** toegepast, waarbij specifieke kolommen werden getransformeerd en vervolgens weer samengevoegd in de `X` array. Deze aanpak kan omslachtig zijn, vooral met `OneHotEncoder`, die het aantal kolommen wijzigt.

Een ander nadeel is dat alle nieuwe data die voor voorspellingen wordt gebruikt, door dezelfde reeks transformaties moet gaan, waardoor het hele proces herhaald moet worden.

De `Pipeline`-klasse in Scikit-learn vereenvoudigt dit door alle transformaties te combineren in één workflow, waardoor preprocessing consequent kan worden toegepast op zowel trainingsdata als nieuwe voorbeelden.


Een `Pipeline` fungeert als een container voor een reeks transformatoren en uiteindelijk een estimator. Wanneer je de `.fit_transform()`-methode aanroept op een `Pipeline`, wordt de `.fit_transform()`-methode van elke transformator **achtereenvolgens** op de data toegepast.

```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)
```

Deze gestroomlijnde aanpak betekent dat je slechts **één keer op de trainingsset** `.fit_transform()` hoeft aan te roepen en vervolgens de `.transform()`-methode kunt gebruiken om nieuwe gevallen te verwerken.

Wat is het belangrijkste voordeel van het gebruik van een `Pipeline` in scikit-learn voor data preprocessing en modeltraining?

Machine learning wordt tegenwoordig overal toegepast. Wil je het zelf leren? Deze cursus is een introductie tot de wereld van machine learning waarin je basisconcepten leert, werkt met Scikit-learn – de populairste bibliotheek voor ML – en je eerste machine learning-project bouwt.
Deze cursus is bedoeld voor studenten met basiskennis van Python, Pandas en Numpy.

Leer de concepten van machine learning en de workflow van een ML-project.

Preprocessing is waarschijnlijk de belangrijkste fase van een ML-project. Dit hoofdstuk behandelt de preprocessing-stappen die nodig zijn voor vrijwel elke dataset.

Een pipeline is een overzichtelijke manier om alle preprocessingsstappen en een model te combineren. Pipelines maken het veel eenvoudiger om een model te trainen en te gebruiken.

Modellering is de meest interessante fase van een ML-project. Leer het model opbouwen, verfijnen en evalueren!

Wat Is Een Pipeline