我有一个机器学习分类任务，它从多个固定长度的向量表示的拼接中进行训练。我如何在scikit-learn中使用自动特征选择、网格搜索或其他已建立的技术来找到适合我数据的最佳变换器组合？

以这个文本分类流程为例：

model = Pipeline([   ('vectorizer', FeatureUnion(transformer_list=[      ('word-freq', TfidfVectorizer()),        # 词汇大小维度      ('doc2vec', MyDoc2VecVectorizer()),      # 32维度（自定义变换器）      ('doc-length', MyDocLengthVectorizer()), # 1维度（自定义变换器）      ('sentiment', MySentimentVectorizer()),  # 3维度（自定义变换器）      ...                                      # 可能还有很多其他变换器   ])),   ('classifier', SVC())])

我怀疑这可能属于scikit slep002请求的dynamic-pipeline功能。如果是这样，在过渡期如何处理？

回答：

虽然不能“选择最佳的（全有或全无）变换器特征子集”，我们可以使用scikit的特征选择或降维模块在分类之前的额外步骤中“选择/简化跨所有变换器的最佳特征子集”：

model = Pipeline([   ('vectorizer', FeatureUnion(transformer_list=[...])),   ('feature_selector', GenericUnivariateSelect(      mode='percentile',      param=0.20,          # 可超调参数   )),   ('classifier', SVC())])

在特征发现的背景下（即：找到最佳的表达信号），这种技术比挑选变换器更强大。然而，在架构发现的背景下（即：找到最佳的管道布局和变换器的使用），这个问题似乎仍未解决..