python - 使用pipeline时为什么不改造X_test

Question

我在一篇文章上看到https://towardsdatascience.com/multi-class-text-classification-with-sklearn-and-nltk-in-python-a-software-engineering-use-case-779d4a28ba5

   X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.25)

第 1 步:我们可以使用管道一次完成所有这些步骤，而不是一次执行一个步骤

      pipeline = Pipeline([('vect', tfidf),
                 ('clf', RandomForestClassifier())])

第2步拟合我们的模型并将其保存在pickle中以供以后使用

      model = pipeline.fit(X_train, y_train)
      prediction= model.predict(X_test)

通常情况下，如果我们手动进行

   X_train= tfidf.fit_transform(X_train)
   X_test=tfidf.transform(X_test)
   model=RandomForestClassifier()
   model.fit(X_train,y_train)
   prediction=model.predict(X_test)

我的问题是:如果我按照文章操作，并在步骤2中执行这些代码，我是否会错过这段代码

   X_test=tfidf.transform(X_test)

我没有看到作者变换X_test。他只是使用原来的X_test。作者的话属实吗？

之后

Answer 1

My question is: If I follow the article, and perform these codes in step2 , do I miss this code

不，作者是正确的。

在调用model.predict()时，作者使用的是Pipeline类函数predict()，as you can see in the docs ...

Apply transforms to the data, and predict with the final estimator

因此，X_test 首先经过变换，然后用于预测目标变量。