第15课　小流水线：拆分→训练→评估

单元四

第15课　小流水线：拆分→训练→评估

一、任务目标

按固定顺序完成「拆分→（标准化）→训练→评估」。

二、核心概念讲清楚

小流水线：按顺序执行预处理与模型。后面会用官方 Pipeline 更规范。

顺序固定：先缩放再模型
训练时整条链一起 fit
预测时自动先做同样预处理

1定义步骤缩放器 + 分类器

2串联保证顺序

3fit 训练一次完成

4predict 评估同一套变换

三、跟着想一遍（小例子）

先 StandardScaler，再 KNN：预测新人时也会先按训练集规则缩放。

易错：训练时缩放了，预测时忘记缩放。

正确：用流水线保证训练/预测一致。

想一想：流水线最怕哪一步漏掉？

四、解题思路

任务：按固定顺序完成「拆分→（标准化）→训练→评估」。先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。

本课主要用到：屏幕输出。

1明确任务「按固定顺序完成「拆分→（标准化）→训练→评估」。」：运行后你希望看到什么结果（文字、图形或计算结果）。
2用 print 把结果说出来，确认屏幕上出现预期内容。
3对照参考代码跑通后，只改一个参数，观察结果如何变化。

流程示意（可对照左侧文字）

五、语句功能讲解

本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。

六、知识点讲解

小流水线：拆分→训练→评估：对照任务看清输入、判断与可观察输出；改一处输入，确认输出跟着变。

能用自己的话复述：输入是什么、按什么规则变、输出应怎样。
练习时改一处、看一处，确认现象和概念对得上。

先弄清本课输入与输出，再进编程练习对照现象。

七、编程练习

先理解上面的例子，再在下方 Mixly 运行与检查（含 scikit-learn）。

选择题目

四步齐全。

参考代码（对照抄写到下方 Mixly）

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, random_state=0
)
scaler = StandardScaler()
X_train_s = scaler.fit_transform(X_train)
X_test_s = scaler.transform(X_test)

clf = KNeighborsClassifier(n_neighbors=3)
clf.fit(X_train_s, y_train)
acc = accuracy_score(y_test, clf.predict(X_test_s))
print("流水线正确率:", round(acc, 3))

九、本节小结

规范顺序能减少「分数虚高」。