尽管 Scikit-learn 提供了多种预置组件，但实际的机器学习 (machine learning)项目常常需要根据具体需求定制数据处理步骤或模型算法。本章重点介绍如何通过构建自己的兼容组件来扩展 Scikit-learn 生态系统。

你将学习如何：

• 理解并遵循 Scikit-learn API 评估器和转换器的设计原则。
• 实现自定义转换器，用于独特的数据预处理或特征工程任务。
• 开发自定义评估器，以封装专门的模型逻辑。
• 应用面向对象原则，如组合和继承，以有效设计组件。
• 将适当的参数 (parameter)验证和管理纳入你的自定义类中。
• 将你的自定义组件顺畅地融入 Scikit-learn 流水线中。
• 使用策略和工具以彻底测试你的自定义评估器和转换器。

掌握这些技术后，你可以在熟悉的 Scikit-learn 框架内直接创建更灵活、可重用且专业的机器学习工作流程。实操部分将指导你从头开始构建一个自定义集成评估器。