python之在单个管道中使用 sklearn 线性回归和 PCA

我有一个包含 20 个数字特征和一个数字响应列的 Pandas 数据框。我想首先应用 PCA 将维数降低到 10，然后运行线性回归来预测数字响应。我目前可以使用两个步骤来完成此操作

pipeline = Pipeline([('scaling', StandardScaler()), 
                     ('pca', PCA(n_components=20, whiten=True))]) 
newDF = pipeline.fit_transform(numericDF) 
 
Y = df["Response"] 
model = LinearRegression() 
model.fit(newDF, Y) 

有没有办法在上述管道中结合线性回归？我问这个问题是因为

1. fit_transform 不支持线性回归。
2. fit_predict 不能与 PCA 一起使用。
3. 这不是一次性用例

如何在同一管道中运行 PCA，然后运行线性回归？

请您参考如下方法:

管道步骤的顺序很重要。 最后一步可能会实现 predict()，而之前的所有步骤都必须有 fit_transform()。 同样从逻辑上讲，您首先转换特征，然后应用预测分类/回归模型

Y = df["Response"] 
X=... 
pipeline = Pipeline([('scaling', StandardScaler()), 
                     ('pca', PCA(n_components=20, whiten=True)), 
                      ('regr',LinearRegression())]) 
newDF = pipeline.fit_predict(numericDF)