继承具有“超出最大递归深度”错误的 LabelBinarizer 类

Question

我从 LabelBinarizer 创建了一个自定义编码器类。这是它的样子

class my_lb(LabelBinarizer):

  def fit(self, X, y=None):
    self.fit(X)

  def transform(self, X, y=None):
    return self.transform(X)

  def fit_transform(self, X, y=None):
    return self.fit(X).transform(X)

而且我有“超出最大递归深度”错误，该错误发生在 fit 方法中。按照网上的一些说明，我能够做到这一点：

class my_lb(LabelBinarizer):

  def __init__(self):
    super().__init__()

  def fit(self, X, y=None):
    super().fit(X)

  def transform(self, X, y=None):
    return super().transform(X)

  def fit_transform(self, X, y=None):
    return super().fit(X).transform(X)

但我的问题是，它如何解决我的问题？我可以理解此处其他帖子中的原因（我可以看到正在构建一个显式的无限循环），但我阅读了 LabelBinarizer 的代码，它对我来说看起来很正常。我找不到任何可能导致无限循环的东西。

def fit(self, y): 
        self.y_type_ = type_of_target(y)
        if 'multioutput' in self.y_type_:
             raise ValueError("Multioutput target data is not supported with "
                              "label binarization")
        if _num_samples(y) == 0:
            raise ValueError('y has 0 samples: %r' % y)
        self.sparse_input_ = sp.issparse(y)
        self.classes_ = unique_labels(y)
        return self

谁能告诉我我在这里缺少什么？当我创建继承类时，它也将帮助我更好地了解何时需要 super。

Answer 1

在更改为调用super() 之前，调用显示的任何一种方法都会导致无限递归。 fit 和 transform 很明显，它们只是调用自己，所以如果它们被调用，它们将永远不会返回，并且您将超过最大递归深度。

另一方面，fit_transform 正在调用self.fit(X).transform(X)。所以它做的第一件事就是调用self.fit(X)，它只是一遍又一遍地调用自己，直到错误发生。

另一方面，修改后的版本通过对super()的调用将调用传递给fit和transform的父类版本，因此它们不会调用自己。事实上，有了这些电话，您甚至不需要从fit_transform 拨打super()。

但最好的解决方法是简单地删除派生类中fit 和transform 的定义，并从fit_transform 中删除对super() 的调用，这是不需要的。