python - 如何将 sklearn Pipeline 结构的结构和数据深度复制到新变量中？

Question

假设我定义了一个 sklearn Pipeline 结构。我需要将其结构和数据深度复制到另一个变量中，以便在 retrofit 原始变量时，新变量不会发生变化。我尝试以类似于以下代码的方式使用 sklearn.base 中的 clone:

temp_pipe = Pipeline([
    ('Scaler', StandardScaler()), 
    ('LinearRegression', LinearRegression())]);
for i in iterations:
     temp_pipe.fit(X,y);
     ....
     if check_condition:
         final = clone(temp_pipe);

但它似乎对结构进行了深拷贝，而不是数据的深拷贝 here :

Clone does a deep copy of the model in an estimator without actually copying attached data

我知道可以做类似的事情:

final = Pipeline([
    ('Scaler', StandardScaler()), 
    ('LinearRegression', LinearRegression())]);
for i in iterations:
temp_pipe = clone(final) 
temp_pipe.fit(X,y);
     ....
     if check_condition:
         final = temp_pipe;

但是有没有办法对拟合数据进行深度复制？

Answer 1

from copy import deepcopy

estimator_deep_copy = deepcopy(pipeline)

请注意，clone 的目的是获得未拟合/干净的估计量。