sklearnのPipelineを使うとコードをシンプルに書けるらしい

PipelineなしとPipelineありのコードを比較しよう

まだPipelineの恩恵があまりわかっていませんが
PipelineなしとPipelineありのコードを比較したいと思います。
Pipelineありのコードのほうが、今後いくつものモデルを作成するときに
便利そうだな……という感覚はあります。

Python 3.6.4

Pipelineなし

test_normal.py

import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

# set dataframe
dataset = load_boston()
X = pd.DataFrame(dataset.data, columns=dataset.feature_names)
y = pd.DataFrame(dataset.target, columns=['y'])

# 訓練とテストに分割
X_train,X_test,y_train,y_test = train_test_split(X,
                                                 y,
                                                 test_size=0.20,
                                                 random_state=1)

# 整形
y_train = y_train.as_matrix().ravel()
y_test = y_test.as_matrix().ravel()

# 標準化
sc = StandardScaler()
sc.fit(X_train)
X_train = sc.transform(X_train)
X_test = sc.transform(X_test)

# 学習
ols = LinearRegression()
ols.fit(X_train, y_train)

# 寄与率
print(r2_score(y_test, ols.predict(X_test)))

Pipelineあり

test_pipeline.py

import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

# set dataframe
dataset = load_boston()
X = pd.DataFrame(dataset.data, columns=dataset.feature_names)
y = pd.DataFrame(dataset.target, columns=['y'])

# 訓練とテストに分割
X_train,X_test,y_train,y_test = train_test_split(X,
                                                 y,
                                                 test_size=0.20,
                                                 random_state=1)

# 整形
y_train = y_train.as_matrix().ravel()
y_test = y_test.as_matrix().ravel()

# Pipelineによる置き換え
from sklearn.pipeline import Pipeline

# Pipelineは任意のヘッダがつけられる?
# sc:StandardSclar(標準化)
# es:Estimator(推定器)

pip_ols = Pipeline([('sc',StandardScaler()),
                     ('es',LinearRegression())])

# 学習
pip_ols.fit(X_train, y_train)

# 寄与率
print(r2_score(y_test, pip_ols.predict(X_test)))