Summary  
This chapter introduces the concept of a Pipeline for chaining transformers and an estimator into a single workflow, allowing you to call fit_transform once on training data and then consistently apply transform to new instances.  

General domain of usage  
Machine learning data preprocessing

In der vorherigen Sektion wurden drei Vorverarbeitungsschritte durchgeführt: Imputation, Kodierung und Skalierung.


Die Vorverarbeitungsschritte wurden **nacheinander** angewendet, indem bestimmte Spalten transformiert und anschließend wieder in das `X`-Array eingefügt wurden. Dieser Ansatz kann umständlich sein, insbesondere mit dem `OneHotEncoder`, der die Anzahl der Spalten verändert.

Ein weiterer Nachteil ist, dass alle neuen Daten, die für Vorhersagen verwendet werden, denselben Ablauf der Transformationen durchlaufen müssen, was eine Wiederholung des gesamten Prozesses erfordert.

Die `Pipeline`-Klasse in Scikit-learn vereinfacht dies, indem sie alle Transformationen in einen einzigen Workflow zusammenfasst. Dadurch wird es einfacher, die Vorverarbeitung sowohl auf Trainingsdaten als auch auf neue Instanzen konsistent anzuwenden.


Ein `Pipeline` dient als Container für eine Abfolge von Transformatoren und schließlich einen Schätzer. Wenn die Methode `.fit_transform()` auf einem `Pipeline` aufgerufen wird, wird die Methode `.fit_transform()` jedes einzelnen Transformators **nacheinander** auf die Daten angewendet.

```python
# Create a pipeline with three steps: imputation, one-hot encoding, and scaling
pipeline = Pipeline([
    ('imputer', SimpleImputer(strategy='most_frequent')),  # Step 1: Impute missing values
    ('encoder', OneHotEncoder()),                         # Step 2: Convert categorical data
    ('scaler', StandardScaler())                          # Step 3: Scale the data
])

# Fit and transform the data using the pipeline
X_transformed = pipeline.fit_transform(X)
```

Dieser effiziente Ansatz bedeutet, dass `.fit_transform()` **nur einmal auf den Trainingssatz** angewendet werden muss und anschließend die Methode `.transform()` zur Verarbeitung neuer Instanzen verwendet werden kann.

Was ist der Hauptvorteil der Verwendung eines `Pipeline` in scikit-learn für die Datenvorverarbeitung und das Modelltraining?

Maschinelles Lernen wird heute überall eingesetzt. Möchten Sie es selbst erlernen? Dieser Kurs ist eine Einführung in die Welt des maschinellen Lernens, um grundlegende Konzepte zu verstehen, mit Scikit-learn – der beliebtesten Bibliothek für ML – zu arbeiten und Ihr erstes Projekt im Bereich Machine Learning zu erstellen.
Dieser Kurs richtet sich an Studierende mit Grundkenntnissen in Python, Pandas und Numpy.

Erlernen der Konzepte des maschinellen Lernens und des Workflows von ML-Projekten.

Die Vorverarbeitung ist vermutlich die wichtigste Phase eines ML-Projekts. Dieses Kapitel behandelt die notwendigen Vorverarbeitungsschritte für nahezu jedes Datenset.

Eine Pipeline ist eine elegante Methode, um alle Vorverarbeitungsschritte sowie ein Modell zu kombinieren. Pipelines erleichtern das Trainieren und die Nutzung eines Modells erheblich.

Die Modellierung ist die spannendste Phase eines ML-Projekts. Lernen Sie, das Modell zu erstellen, zu optimieren und zu evaluieren.

Was ist eine Pipeline