パイプライン構築（例: scikit-learnのPipeline）

機械学習におけるパイプライン構築は、前処理からモデル学習・予測までの一連の処理を**一つの統一された流れ（ワークフロー）**として管理・実行する手法です。特に、scikit-learn ライブラリでは、Pipeline クラスを用いてこのような処理を簡潔に記述することができます。

---

1. パイプラインの目的

• 再現性の確保：データの前処理から学習・予測までを一貫して適用可能。

• コードの簡潔化：複数の処理を一つにまとめて可読性を向上。

• ハイパーパラメータのチューニングが容易：GridSearchCV や RandomizedSearchCV で一括して調整可能。

• データリークの防止：訓練データのみに前処理を適用し、適切に検証データと分離できる。

---

2. 基本的な構成

scikit-learnのPipelineは、以下のように複数の処理ステップ（変換器 transformer と 推定器 estimator）を順に定義します。

python
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

pipeline = Pipeline([
    ('scaler', StandardScaler()),             # 特徴量のスケーリング
    ('classifier', LogisticRegression())      # モデル学習
])

各ステップには (名前, インスタンス) のタプルを指定し、最後のステップは予測器でなければなりません（fit メソッドを持ち、predict できるオブジェクト）。

---

3. 典型的な使用例

python
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# データ読み込みと分割
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)

# パイプライン適用
pipeline.fit(X_train, y_train)
y_pred = pipeline.predict(X_test)

---

4. PipelineとGridSearchCVの連携

ハイパーパラメータのチューニングも容易に行えます。

python
from sklearn.model_selection import GridSearchCV

param_grid = {
    'classifier__C': [0.1, 1.0, 10.0],  # 'classifier'はPipelineのステップ名
}

grid = GridSearchCV(pipeline, param_grid, cv=5)
grid.fit(X_train, y_train)

---

5. ColumnTransformerとの併用（複数の特徴量処理）

異なる列に異なる前処理を適用したい場合は、ColumnTransformerと組み合わせて使います。

python
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
from sklearn.impute import SimpleImputer

preprocessor = ColumnTransformer(transformers=[
    ('num', StandardScaler(), [0, 1, 2]),              # 数値列のスケーリング
    ('cat', OneHotEncoder(), [3])                     # カテゴリ列のエンコーディング
])

pipeline = Pipeline([
    ('preprocess', preprocessor),
    ('clf', LogisticRegression())
])

---

6. まとめ

---

補足事項

• 各ステップの名前は一意である必要があります。

• ステップ名の後に続く処理オブジェクトは、fit と transform（または fit_transform）を持つ必要があります。

• 最後のステップは必ず予測器（分類器や回帰器）でなければなりません。