Python sklearn构建pipeline时提示pipeline未定义的解决方法

报错原因 #

触发这个错误有两个直接问题：

1. 代码只从sklearn.pipeline导入了FeatureUnion，没有导入流水线类Pipeline
2. scikit-learn的流水线类采用大驼峰命名，名称为大写开头的Pipeline，代码里写成了全小写的pipeline，Python大小写敏感，无法识别这个未定义的名称。

修复步骤 #

• 补全导入语句，在代码开头的导入部分加入Pipeline的引入，修改第一行导入为：

from sklearn.pipeline import FeatureUnion, Pipeline

• 将代码中两处创建数值、分类流水线时写的小写pipeline(，全部替换为大写开头的Pipeline(。

如果你使用的是0.22及以上版本的scikit-learn，还需要处理两个版本兼容问题，避免后续出现其他报错：

• 旧版位于sklearn.preprocessing的Imputer已经被迁移到sklearn.impute模块，重命名为SimpleImputer，需要额外导入from sklearn.impute import SimpleImputer，并将代码中Imputer(strategy="median")替换为SimpleImputer(strategy="median")
• 新版LabelBinarizer默认返回稀疏矩阵，会导致特征拼接失败，可以在初始化时加入参数sparse_output=False（0.24之前的旧版本用参数sparse=False）

修正后的完整参考代码 #

# 补全所有需要的导入
from sklearn.pipeline import FeatureUnion, Pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, LabelBinarizer
# 注：DataFrameSelector、CombinedAttributesAdder是书中自定义的转换器，需要提前按照书中示例定义好才能运行

num_attribs = list(housing_num)
cat_attribs = ["ocean_proximity"]

num_pipeline = Pipeline([
    ('selector', DataFrameSelector(num_attribs)),
    ('imputer', SimpleImputer(strategy="median")),
    ('attribs_adder', CombinedAttributesAdder()),
    ('std_scaler', StandardScaler()),
])

cat_pipeline = Pipeline([
    ('selector', DataFrameSelector(cat_attribs)),
    ('label_binarizer', LabelBinarizer(sparse_output=False)),
])

full_pipeline = FeatureUnion(transformer_list=[
    ("num_pipeline", num_pipeline),
    ("cat_pipeline", cat_pipeline),
])

内容的提问来源于stack exchange，提问作者Nishant Chaudhary