我的问题是，当我在第一行注释掉pipe_lr时，我仍然能得到准确率得分。这让我很困惑，我认为它应该报错，为什么呢？看起来它不需要pipe_lr的定义。这是相关部分。 输入图片描述

from sklearn.ensemble import ExtraTreesClassifierfrom sklearn.feature_selection import SelectFromModelimport pandas as pdimport numpy as npfrom sklearn.cross_validation import train_test_splitfrom sklearn.preprocessing import MinMaxScalerfrom sklearn.preprocessing import LabelEncoderfrom sklearn.pipeline import Pipelinefrom sklearn.tree import DecisionTreeClassifierfrom sklearn.cross_validation import StratifiedKFoldpipe_lr=Pipeline([('normalization',mms),                  ('feature_selection',feature_selection),                  ('classification',DecisionTreeClassifier())])"""K-fold test"""kfold=StratifiedKFold(y=y_train,n_folds=10,random_state=1)scores=[]features=[]for k,(train,test) in enumerate (kfold):    pipe_lr.fit(X_train[train],y_train[train])    score=pipe_lr.score(X_train[test],y_train[test])    scores.append(score)    print('Fold: %s, Class dist.: %s,Acc: %.3f' %(k+1,            np.bincount(y_train[train]), score))

回答：

简短的回答是不，它不能。没有pipe_lr这一行，你的代码将无法运行。之所以能在没有它的情况下运行，唯一的原因是你在一个特殊的环境中运行它，比如ipython笔记本，并且之前你已经运行了包含这一行的相同代码，因此它仍然保留在你的内存中，在相同的作用域内（因此第二次运行仍然可以访问原始的pipe_lr对象）。或者你实际上在代码的其他地方定义了这个变量（例如，在定义数据、mms等的代码块中，而你从问题中删除了这些部分）。在正确运行于干净环境中时，没有pipe_lr，这段代码是无法工作（甚至无法运行）的。