为什么使用 scikit-learn 管道时 self 不是类实例？答案

【问题标题】：Why is self not the class instance when using scikit-learn pipelines?为什么使用 scikit-learn 管道时 self 不是类实例？
【发布时间】：2020-07-18 21:47:32
【问题描述】：

从标题中可以看出，来自类实例的self 并不是类实例本身。

当我使用带有 scikit-learn 管道的自定义类时会发生这种情况，但当我单独使用相同的自定义类时不会发生这种情况。

import pandas as pd
import numpy as np

from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.preprocessing import OneHotEncoder

class multi_feature_OHE(BaseEstimator, TransformerMixin):
    ''' Encode multiple redundant features as one, usign One-Hot-Encoder. '''
    def __init__(self):
        self.encoder = OneHotEncoder(handle_unknown='ignore')

    def fit(self, X):
        #self.encoder.fit(X)
        print(type(self))    # <--- We print the type of self here!
        return self

    def transform(self, X):
        ...

这里打印<class 'numpy.ndarray'>

pipeline = make_pipeline(...,
                         multi_feature_OHE)
pipeline.fit(data)

在fit 方法中，self == X 和 X == None。

但这里打印的是<class '__main__.multi_feature_OHE'>

a = multi_feature_OHE()
a.fit(data)

【问题讨论】：

标签： python python-3.x numpy scikit-learn

【解决方案1】：

您应该将类的实例 em>传递给管道，您通过类对象本身，没有实例。因此，请执行以下操作：

pipeline = make_pipeline(...,
                         multi_feature_OHE())
pipeline.fit(data)

查看the docs

的示例

基本上，管道将采用任何对象并在其上致电@ 987654324。如果您只传递类对象，那么multi_feature_OHE.fit只是普通函数，所以第一个参数将从最后一个转换中获取数组。

查看the docs

的示例

>>> from sklearn.naive_bayes import GaussianNB
>>> from sklearn.preprocessing import StandardScaler
>>> make_pipeline(StandardScaler(), GaussianNB(priors=None))
Pipeline(steps=[('standardscaler', StandardScaler()),
                ('gaussiannb', GaussianNB())])

【讨论】：