创建管道（Python）时，“MultiOutputClassifier”对象不可迭代

Question

我想创建一个管道，继续编码、缩放，然后使用 xgboost 分类器解决多标签问题。 代码块；

# Create a boolean mask for categorical columns
categorical_columns = X.columns[X.dtypes == 'O'].tolist()

#Distinct columns for to find catagories
unique_list = [X[c].unique().tolist() for c in categorical_columns]

# Create a boolean mask for numerical columns
numerical_columns = X.columns[X.dtypes != 'O'].tolist()

#Encoding & Scaling objects
scaler = StandardScaler()
ohe = OneHotEncoder(categories=unique_list, sparse=False)

#Define a pipeline
pipeline  = Pipeline([("ohe_onestep", ohe.fit_transform(X[categorical_columns])),  
         ("scaler_onestep", scaler.fit_transform(X[numerical_columns])),
         MultiOutputClassifier(xgb.XGBClassifier(objective='binary:logistic'))])

# Cross-validate the model
cross_val_scores = cross_val_score(pipeline, X, y, 
                                   scoring='accuracy', cv=5)

但是当我运行代码时会出现这个错误； 行是；

> pipeline = Pipeline([("ohe_onestep", ohe.fit_transform(X[categorical_columns])),

'MultiOutputClassifier' 对象不可迭代

我该如何解决这个问题？

Answer 1

两件事：首先，您需要将转换器或估计器自己传递给管道，而不是拟合/转换它们的结果（这会将结果数组而不是转换器提供给管道，它会失败）。管道本身将进行拟合/转换。其次，由于您对特定列有特定的转换，因此需要ColumnTransformer。

把这些放在一起：

from sklearn.compose import ColumnTransformer

col_transformers = ColumnTransformer([
                          # name, transformer itself, columns to apply
                          ("scaler_onestep", scaler, numerical_columns),
                          ("ohe_onestep", ohe, categorical_columns)])

model = MultiOutputClassifier(xgb.XGBClassifier(objective="binary:logistic"))

pipeline = Pipeline([("preprocessing", col_transformers), ("XGB", model)])

现在你可以做

cross_val_scores = cross_val_score(pipeline, X, y, 
                                   scoring="accuracy", cv=5)

---

作为额外的，通常你可以使用 make_column_selector 和 dtype 选项让它推断数字和分类 as exemplified here。

最后，出现错误的原因是：Pipeline 需要一个元组列表。您确实为前两项传递了元组，即scaler 和ohe，但您没有将(<name>, model) 元组作为第三项传递；相反，你直接给它模型，它试图迭代它以获得这些名称等，但失败了。