---

一、核心结论（先记这一句）

Pipeline 本身就是一个模型，你可以把它当成 KNN、随机森林直接用。
所有模型评估、交叉验证代码完全不用改，直接套 Pipeline 就行！

---

二、最简完整模板（直接运行）

# 1. 导入必备库
import pandas as pd
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix

# 2. 加载数据
from sklearn.datasets import load_iris
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 3. 定义 Pipeline（预处理 + 模型）
pipe = Pipeline(steps=[
    ("scaler", StandardScaler()),        # 预处理
    ("rf", RandomForestClassifier())     # 模型
])

# ==================== 核心：评估与验证 ====================
# 训练
pipe.fit(X_train, y_train)

# 预测
y_pred = pipe.predict(X_test)

# 评估
print("准确率：", accuracy_score(y_test, y_pred))
print("\n分类报告：\n", classification_report(y_test, y_pred))
print("\n混淆矩阵：\n", confusion_matrix(y_test, y_pred))

这就是最标准的 Pipeline 评估代码！

---

三、Pipeline 模型评估（全场景）

1. 分类任务评估（最常用）

输出：准确率、精确率、召回率、F1、混淆矩阵

from sklearn.metrics import (
    accuracy_score,
    precision_score,
    recall_score,
    f1_score,
    classification_report,
    confusion_matrix
)

y_pred = pipe.predict(X_test)

print("准确率 =", accuracy_score(y_test, y_pred))
print("精确率 =", precision_score(y_test, y_pred, average='macro'))
print("召回率 =", recall_score(y_test, y_pred, average='macro'))
print("F1分数 =", f1_score(y_test, y_pred, average='macro'))

print("\n===== 详细分类报告 =====")
print(classification_report(y_test, y_pred))

2. 回归任务评估（预测数值）

from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score

# 回归流水线
pipe_reg = Pipeline([
    ("scaler", StandardScaler()),
    ("lr", LinearRegression())
])

pipe_reg.fit(X_train, y_train)
y_pred_reg = pipe_reg.predict(X_test)

print("MAE =", mean_absolute_error(y_test, y_pred_reg))
print("MSE =", mean_squared_error(y_test, y_pred_reg))
print("R² =", r2_score(y_test, y_pred_reg))

---

四、Pipeline 交叉验证（最关键！防过拟合）

交叉验证是评估模型真实能力的最标准方法，Pipeline 支持一行调用：

1. 一行实现交叉验证

from sklearn.model_selection import cross_val_score

# cv=5 表示 5 折交叉验证
scores = cross_val_score(
    estimator=pipe,     # 直接传入 Pipeline！
    X=X_train,
    y=y_train,
    cv=5,               # 5折
    scoring='accuracy'  # 评分标准
)

print("每折得分：", scores.round(3))
print("平均得分：", scores.mean().round(3))
print("标准差：", scores.std().round(3))

常用 scoring 参数（直接用）

• 分类：accuracy, f1_macro, roc_auc, precision
• 回归：r2, neg_mean_squared_error, neg_mean_absolute_error

---

2. 输出多指标交叉验证（更全面）

from sklearn.model_selection import cross_validate

# 同时输出多个指标
scores = cross_validate(
    pipe,
    X_train, y_train,
    cv=5,
    scoring=['accuracy', 'f1_macro']
)

print("5折平均准确率：", scores['test_accuracy'].mean())
print("5折平均F1：", scores['test_f1_macro'].mean())

---

五、Pipeline + GridSearchCV 自动调参 + 最优评估（企业最强组合）

这是工作中最常用的写法：
预处理 + 模型 + 调参 + 评估 全部自动化。

from sklearn.model_selection import GridSearchCV

# 定义参数网格（步骤名__参数）
param_grid = {
    'rf__n_estimators': [50, 100, 200],
    'rf__max_depth': [3, 5, None]
}

# 网格搜索（自带交叉验证）
grid = GridSearchCV(
    estimator=pipe,
    param_grid=param_grid,
    cv=5,        # 5折交叉验证
    n_jobs=-1    # 全速运行
)

grid.fit(X_train, y_train)

# 输出最优结果
print("最优参数：", grid.best_params_)
print("最优交叉验证得分：", grid.best_score_.round(3))

# 用最优模型评估测试集
best_model = grid.best_estimator_
print("测试集得分：", best_model.score(X_test, y_test))

---

六、最重要的 3 个知识点（避坑）

1. Pipeline 会自动避免数据泄露！

交叉验证时：

• 每一折只在训练集上做预处理
• 测试集完全隔离
  这是手动写不出来的安全性！

2. 评估必须在测试集上做

• cross_val_score → 用训练集做验证
• 最终评估 → 必须用完全独立的测试集

3. Pipeline 可以直接保存（包含预处理）

import joblib
joblib.dump(pipe, "pipeline_model.pkl")

# 加载后直接预测，无需任何预处理
model = joblib.load("pipeline_model.pkl")
model.predict(new_data)

---