Question

我正在使用scickit-learn来调整模型的超参数。我正在使用管道将预处理器与估算器链接在一起。我的问题的一个简单版本如下所示：

import numpy as np
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression


grid = GridSearchCV(make_pipeline(StandardScaler(), LogisticRegression()),
                    param_grid={'logisticregression__C': [0.1, 10.]},
                    cv=2,
                    refit=False)

_ = grid.fit(X=np.random.rand(10, 3),
             y=np.random.randint(2, size=(10,)))

在我的情况下，预处理（在玩具示例中为StandardScale（））很耗时，并且我没有调整其任何参数。

因此，当我执行示例时，StandardScaler被执行12次。 2个适合/预测* 2个简历* 3个参数。但是，每次对参数C的不同值执行StandardScaler时，它都会返回相同的输出，因此效率更高，只需计算一次，然后运行管道的估计器部分即可。

我可以在预处理（不调整超参数）和估计器之间手动拆分管道。但是要将预处理应用于数据，我应该只提供训练集。因此，我将不得不手动实现拆分，而根本不使用GridSearchCV。

有没有简单/标准的方法来避免在使用GridSearchCV时重复进行预处理？