python– 管道中的sklearn函数变换器

概述编写我的第一个sk-learn管道时,我只是遇到一些问题,只有一部分列被放入管道：mydf = pd.DataFrame({'classLabel':[0,0,0,1,1,0,0,0], 'categorical':[7,8,9,5,7,5,6,4], 'numeric1':[7,8

编写我的第一个sk-learn管道时,我只是遇到一些问题,只有一部分列被放入管道：

mydf = pd.DataFrame({'classLabel':[0,1,0],'categorical':[7,8,9,5,7,6,4],'numeric1':[7,'numeric2':[7,"N.A"]})columnsNumber = ['numeric1']XoneColumn = X[columnsNumber]

我使用functiontransformer,如：

def extractSpecificColumn(X,columns):    return X[columns]pipeline = Pipeline([    ('features',FeatureUnion([        ('continuous',Pipeline([            ('numeric',Functiontransformer(columnsNumber)),('scale',StandardScaler())        ]))    ],n_jobs=1)),('estimator',RandomForestClassifIEr(n_estimators=50,criterion='entropy',n_jobs=-1))])cv.cross_val_score(pipeline,XoneColumn,y,cv=folds,scoring=kappascore)

这导致：TypeError：启用函数转换器时,’List’对象不可调用.

编辑：

如果我实例化如下所示的ColumnExtractor,则不会返回错误.但是不是函数变换器只是意味着像这样的简单情况,应该只是工作吗？

class ColumnExtractor(transformerMixin):    def __init__(self,columns):        self.columns = columns    def transform(self,X,*_):        return X[self.columns]    def fit(self,*_):        return self

最佳答案Functiontransformer用于将函数“提升”到转换,我认为这可以帮助完成一些数据清理步骤.想象一下,你有一个主要是数字的数组,你想用变换器转换它,如果它得到一个nan(如normalize),它将会出错.你最终会得到像这样的东西

df.fillna(0,inplace=True)...cross_val_score(pipeline,...)

但也许你只有一次变换需要填充,所以不要像上面那样使用fillna,而是拥有

normalize = make_pipeline(    Functiontransformer(np.nan_to_num,valIDate=False),normalize())

最终会根据需要对其进行标准化.然后,您可以在更多地方使用该代码段而不会乱丢您的代码.fillna(0)

在你的例子中,你传入的是”numeric1′]这是一个列表,而不是像类似类型的df [[‘numeric1’]]那样的提取器.你可能想要的更像是

Functiontransformer(operator.itemgetter(columns))

但是仍然无法工作,因为最终传递到Functiontransformer的对象将是np.array而不是DataFrame.

为了对DataFrame的特定列进行 *** 作,您可能希望使用像sklearn-pandas这样的库,它允许您按列定义特定的变换器. 总结

以上是内存溢出为你收集整理的python – 管道中的sklearn函数变换器全部内容，希望文章能够帮你解决python – 管道中的sklearn函数变换器所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。