sklearn 中 FeatureUnion() 和 ColumnTransformer() 有什么区别？
如果我想构建一个具有包含混合数据类型（分类、数字、非结构化文本）的特征的监督模型，我需要组合单独的管道，我应该使用哪个？
来源：https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.FeatureUnion.html
来源：https://scikit-learn.org/stable/modules/generated/sklearn.compose.ColumnTransformer.html
【问题讨论】：
标签： scikit-learn
根据 sklearn 文档：
FeatureUnion：连接多个转换器对象的结果。此估算器将变压器对象列表并行应用于输入数据，然后将结果连接起来。这对于将多个特征提取机制组合到单个转换器中很有用。
ColumnTransformer：将转换器应用于数组或 pandas DataFrame 的列。该估计器允许单独转换输入的不同列或列子集，并且每个转换器生成的特征将连接起来形成单个特征空间。这对于异构或列数据很有用，可以将多个特征提取机制或转换组合到单个转换器中。
因此，FeatureUnion 将不同的转换器应用于整个输入数据，然后通过连接它们来组合结果。
另一方面，ColumnTransformer 将不同的转换器应用于整个输入数据的不同子集，并再次连接结果。
对于您建议的情况，ColumnTransformer 应该是第一步。然后，一旦所有列都转换为数字，使用 FeatureUnion 可以进一步转换它们，例如结合 PCA 和 SelectKBest
最后，您当然可以将 FeatureUnion 用作 ColumnTransformer，但您必须在每个分支中包含一个列/类型选择器，而不是仅将感兴趣的列输入到管道下游的下一个转换器中，正如这里解释的那样：https://ramhiser.com/post/2018-04-16-building-scikit-learn-pipeline-with-pandas-dataframe/
但是，ColumnTransformer 正是这样做的，而且方式更简单。
【讨论】：
这两种方法都用于将独立的变换（变换器）组合成一个变换器，独立的意思是不需要以定义的顺序执行的变换（变换器）。这是因为与常规管道不同，一个转换器不会应用于另一个转换器的输出。
主要区别在于：特征联合对象中的每个转换器都将整个数据作为输入。在列转换器对象中，它们仅获取部分数据作为输入。最后，它们都将每个转换器的结果连接起来。两者都可以使用并行处理。
【讨论】：