جست‌وجوی شبکه‌ای روی گام‌های زنجیره

تابع pipe_grid(seed) روی داده‌ی دیابت (load_diabetes):

1. داده را با train_test_split(..., random_state=seed) تقسیم می‌کند،
2. این زنجیره و شبکه را می‌سازد — هم درجه‌ی ویژگی‌های چندجمله‌ای و هم قدرت منظم‌سازی ریج با هم انتخاب می‌شوند:

pipe = make_pipeline(StandardScaler(), PolynomialFeatures(), Ridge())
grid = GridSearchCV(pipe, {"polynomialfeatures__degree": [1, 2, 3],
                           "ridge__alpha": [0.1, 1, 10, 100, 1000]}, cv=5)

1. grid را روی داده‌ی آموزش برازش می‌دهد،
2. و آرایه‌ای سه‌تایی برمی‌گرداند: degree بهترین، alpha بهترین، و $R^2$ روی داده‌ی آزمون.