使用Pipeline和ColumnTransformer提升机器学习代码质量

机器学习项目中最冗长的步骤通常是数据清洗和预处理，Scikit-learn库中的Pipeline和 and ColumnTransformer通过一次封装替代逐步运行transformation步骤，从而减少冗余代码量。

1. Pipeline vs. ColumnTransformer

训练模型前，需要将数据集分为训练集和测试集。每个子集都需要经过数据清洗和预处理步骤，因而会造成代码冗余。
Pipeline是一个将所有数据操作步骤串成流程的工具，能够简洁地搭建模型训练工作流（下图）。

ColumnTransformer将分别转换不同组别的列，然后在合并到一起。

2. 用例

示例代码如下：
https://gitee.com/rysben/public/blob/master/datasets/HR_Analytics/pipeline.ipynb

参考

How to Improve Machine Learning Code Quality with Scikit-learn Pipeline and ColumnTransformer