sklearn pipeline-применение Весов выборки после применения полиномиального преобразования признаков в конвейере

Я хочу применить веса выборки и в то же время использовать конвейер из sklearn, который должен сделать преобразование функции, например полином, а затем применить регрессор, например ExtraTrees.

Я использую следующие пакеты в двух примерах ниже:

from sklearn.ensemble import ExtraTreesRegressor
import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures

все работает хорошо, пока я отдельно трансформирую функции и генерирую и тренирую модель впоследствии:

#Feature generation
X = np.random.rand(200,4)
Y = np.random.rand(200)

#Feature transformation
poly = PolynomialFeatures(degree=2)
poly.fit_transform(X)

#Model generation and fit
clf = ExtraTreesRegressor(n_estimators=5, max_depth = 3)
weights = [1]*100 + [2]*100
clf.fit(X,Y, weights)

но делать это в трубопроводе, не работа:

#Pipeline generation
pipe = Pipeline([('poly2', PolynomialFeatures(degree=2)), ('ExtraTrees', ExtraTreesRegressor(n_estimators=5, max_depth = 3))])

#Feature generation
X = np.random.rand(200,4)
Y = np.random.rand(200)

#Fitting model
clf = pipe
weights = [1]*100 + [2]*100
clf.fit(X,Y, weights)

Я получаю следующую ошибку: TypeError: fit() принимает не более 3 аргументов (4 дано) В этом простом примере нет проблем с изменением кода, но когда я хочу запустить несколько разных тестов на моих реальных данных в моем реальном коде, имея возможность использовать конвейеры и образец веса