我想使用 Pipeline 和 TransformedTargetRegressor 來處理 BaggingRegressor 及其所有估計器上的所有縮放（數據和目標）。我的第一次嘗試效果很好（沒有使用 Pipeline 和 TransformedTargetRegressor）$ cat test1.py#!/usr/bin/python# -*- coding: UTF-8 -*-import numpy as npimport matplotlib.pyplot as pltfrom sklearn.ensemble import BaggingRegressorfrom sklearn.svm import SVRdef f(x):    return x*np.cos(x) + np.random.normal(size=500)*2def main():    # Generate random data.    x = np.linspace(0, 10, 500)    rng = np.random.RandomState(0)    rng.shuffle(x)    x = np.sort(x[:])    y = f(x)    # Plot random data.    fig, axis = plt.subplots(1, 1, figsize=(20, 10))    axis.plot(x, y, 'o', color='black', markersize=2, label='random data')    # Create bagging models.    model = BaggingRegressor(n_estimators=5, base_estimator=SVR())    x_augmented = np.array([x, x**2, x**3, x**4, x**5]).T    model.fit(x_augmented, y)    # Plot intermediate regression estimations.    axis.plot(x, model.predict(x_augmented), '-', color='red', label=model.__class__.__name__)    for i, tree in enumerate(model.estimators_):        y_pred = tree.predict(x_augmented)        axis.plot(x, y_pred, '--', label='tree '+str(i))    axis.axis('off')    axis.legend()    plt.show()if __name__ == '__main__':    main()哪個可以：裝袋回歸器疊加到所有估計器上