FeatureUnion 中变压器的绑定输出

Question

python 和 sklearn 的新手，因此提前致歉。我有两个变压器，我想将结果收集到一个 FeatureUnion 中（用于最后的建模步骤）。这应该非常简单，但 FeatureUnion 正在堆叠输出而不是提供 nx2 数组或 DataFrame。在下面的示例中，我将生成一些 10 行乘 2 列的数据。这将生成两个 10 行乘 1 列的特征。我希望最终的特征联合有 10 行和 1 列，但我得到的是 20 行乘 1 列。

我将尝试用下面的示例进行演示：

一些进口

import numpy as np
import pandas as pd
from sklearn import pipeline
from sklearn.base import TransformerMixin

一些随机数据

df = pd.DataFrame(np.random.rand(10, 2), columns=['a', 'b'])

选择列的自定义转换器

class Trans(TransformerMixin):
    def __init__(self, col_name):
        self.col_name = col_name
    def fit(self, X):
        return self                                                                    
    def transform(self, X):                                                           
        return X[self.col_name]

两次使用变压器的管道（在我的真实情况下，我有两个不同的变压器，但这会重现问题）

pipe = pipeline.FeatureUnion([
    ('select_a', Trans('a')),
    ('select_b', Trans('b'))
    ])

现在我使用管道，但它 returns 是一个两倍长度的数组

pipe.fit_transform(df).shape

(20,)

但是我想要一个维度为 (10, 2) 的数组。

快速修复？

Answer 1

FeatureUnion 中的变换器需要 return 二维矩阵，但是在您的代码中，通过选择一列，您正在 returning 一个一维向量。您可以通过选择带有 X[[self.col_name]].

的列来解决此问题

FeatureUnion 中变压器的绑定输出

Binding outputs of transformers in FeatureUnion

python

pipeline

scikit-learn