今天不单独讲解某个机器学习算法，而是讲解机器学习中常用的工具或者说是方法。一是绘制学习曲线，看模型的好坏程度（过拟合还是欠拟合）；而是减少代码量，利用pipeline构造算法流水线。
学习曲线
训练模型通常有三种情况：欠拟合、拟合较好和过拟合。欠拟合一般比较好判别，模型准确度不高都可以说是模型欠拟合。但判断模型是否过拟合，单独看准确度是不可信的，模型越复杂，其准确度越高，也很容易过拟合，这时就需要绘制学习曲线观察模型的拟合情况。
绘制流程
- 把数据集划分为多等分（5份或其它）
- 把数据集划分为训练集和测试集
- 以训练集准确性和验证集准确性做为纵坐标，训练集个数作为横坐标。
- 每次增加1等分
绘制函数
在sklearn中，可以通过sklearn.model_selection中的learning_curve来画出学习曲线。这里使用之前KNN算法，通过图可以看出，KNN算法是处于欠拟合状态。
from sklearn.neighbors import KNeighborsClassifier,RadiusNeighborsClassifier
model1 = KNeighborsClassifier(n_neighbors=2)
model1.fit(X_train, Y_train)
score1 = model1.score(X_test, Y_test)
from sklearn.model_selection import learning_curve
train_size, train_score, test_score = learning_curve(model1, X, Y, cv=10, train_sizes=np.linspace(0.1, 1.0, 5))
train_scores_mean = np.mean(train_score, axis=1)
train_scores_std = np.std(train_score, axis=1)
test_scores_mean = np.mean(test_score, axis=1)
test_scores_std = np.std(test_score, axis=1)
plt.fill_between(train_size, train_scores_mean - train_scores_std,
train_scores_mean + train_scores_std, alpha=0.1,
color="r")
plt.fill_between(train_size, test_scores_mean - test_scores_std,
test_scores_mean + test_scores_std, alpha=0.1, color="g")
plt.plot(train_size, train_scores_mean, 'o--', color="r",
label="Training score")
plt.plot(train_size, test_scores_mean, 'o-', color="g",
label="Cross-validation score")
plt.grid()
plt.title('Learn Curve for KNN')
plt.legend(loc="best")
Pipeline
在之前的线性回归案例中，我们可以加入多项式项来增加模型的精度，但每次都需要先将数据通过PolynomialFeatures转换为新数据，然后再拟合模型，模型预测和评估也需要将测试集进行多项式转换。那能不能将数据处理和模型拟合结合在一起，减少代码量了？答案是可以，通过Pipeline（管道）技术就行。
Pipeline技术
Pipeline 的中间过程由sklearn相适配的转换器（transformer）构成，最后一步是一个estimator（模型）。中间的节点都可以执行fit和transform方法，这样预处理都可以封装进去；最后节点只需要实现fit方法，通常就是我们的模型。流程如下图所示。
Pipeline代码
以线性回归为例：
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import Normalizer
norm = Normalizer()
poly = PolynomialFeatures(2, include_bias=False)
lr = LinearRegression()
pipeline = Pipeline([('norm', norm),('poly',poly),('lr', lr)])
pipeline.fit(X_train, y_train)
