把 Tokenizer、HashingTF 和逻辑回归连成可复用的文本处理流程，理解 Pipeline 与 PipelineModel 的训练推断关系、参数覆盖和持久化边界。

用精确率、召回率与评分耗时共同挑选SVC参数，准确区分候选均值波动与折间标准差，并补上空集和NaN处理。

复盘官方完整空间回归示例，从合成图像和两折搜索到权重逆变换，解释预处理泄漏、均值池化系数尺度与图形解读边界。

通过三簇、四簇合成数据完整比较 DBSCAN 与 HDBSCAN，展示统一缩放、多密度簇、min_cluster_size、min_samples 和单连接树截断的效果。

从 ParamGrid、Pipeline 和 Evaluator 出发比较交叉验证与一次留出，明确训练成本、独立测试集、随机性、数据泄漏和原示例的评价边界。