from sklearn.pipeline import Pipeline

from sklearn.neighbors import KNeighborsClassifier

from sklearn.preprocessing import MinMaxScaler

from sklearn.model_selection import cross_val_score

from sklearn.datasets import load_iris

获取数据

dataset = load_iris()

print(dataset)

X = dataset.data

y = dataset.target

2.使用流水线前

---

X_transformed = MinMaxScaler().fit_transform(X)

estimator = KNeighborsClassifier()

scores = cross_val_score(estimator, X_transformed, y, scoring=‘accuracy’)

print(“预测的准确率为{0:.1f}%”.format(np.mean(scores) * 100))

3.使用流水线后

---

scaling_pipeline = Pipeline([(‘scale’, MinMaxScaler()),

(‘predict’, KNeighborsClassifier())])

scores = cross_val_score(scaling_pipeline, X, y, scoring=‘accuracy’)

print(“预测的准确率为{0:.1f}%”.format(np.mean(scores) * 100))

检验准确率也为96.0%，达到了和上边传统写法一样的效果。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）