scikit-learn 改变 X 和 Y 的自定义转换器/管道答案

【问题标题】：scikit-learn custom transformer / pipeline that changes X and Yscikit-learn 改变 X 和 Y 的自定义转换器/管道
【发布时间】：2016-04-16 02:41:09
【问题描述】：

我有一组 N 个数据点 X = {x₁, ..., x_n} 和一组 N 个目标值/类 Y = { y₁, ..., y_n}。

给定 y_i 的特征向量的构造考虑了数据点的“窗口”（因为没有更好的术语），例如我可能想堆叠“最后 4 个数据点”，即 x_i-4、x_i-3、x_i-2、 x_i-1 用于预测 y_i。

显然，对于 4 的窗口大小，无法为前三个目标值构造这样的特征向量，我想简单地删除它们。同样对于最后一个数据点 x_n.

这不是问题，除非我希望这作为 sklearn 管道的一部分进行。到目前为止，我已经成功地为其他任务编写了一些自定义转换器，但那些不能（据我所知）改变 Y 矩阵。

有没有一种方法可以做到这一点，我不知道或者我是否坚持这样做作为管道之外的预处理？（这意味着，我将无法使用 GridsearchCV 找到最佳窗口大小和移位。）

我已经尝试搜索这个，但我想出的只是this question，它处理从 X 矩阵中删除样本。那里接受的答案让我想，scikit-learn 不支持我想做的事情，但我想确定一下。

【问题讨论】：

stackoverflow.com/a/70191787/10375049

标签： python scikit-learn pipeline

【解决方案1】：

你是对的，你不能在 sklearn Pipeline 中调整你的目标。这并不意味着您不能进行网格搜索，但这确实意味着您可能必须以更多的手动方式进行。我建议编写一个函数对y 进行转换和过滤，然后手动循环通过ParameterGrid 创建的调整网格。如果这对您没有意义，请使用您拥有的代码编辑您的帖子以获得进一步的帮助。

【讨论】：

是的，我就是这个意思。我不能只是将我的管道转储到 GridSearchCV 中，我发现这是最方便的 CV 方法。我相当肯定我可以让它手动工作。谢谢
是否值得将其作为功能请求提出？似乎这是一个常见的要求（对于多个输出变量的问题）

【解决方案2】：

我正在为类似的问题而苦苦挣扎，很遗憾您无法在转换器之间传递 y 值。话虽如此，我以一种有点肮脏的方式绕过了这个问题。

我将 y 值存储为转换器的实例属性。这样，当管道调用fit_transform 时，我可以在transform 方法中访问它们。然后，transform 方法传递一个元组(X, self.y_stored)，这是下一个估计器所期望的。这意味着我必须编写包装器估计器，它非常难看，但它可以工作！

类似这样的：


class MyWrapperEstimator(RealEstimator):
    def fit(X, y=None):
        if isinstance(X, tuple):
            X, y = X
        super().fit(X=X, y=y)

【讨论】：

你能解释一下吗？我面临同样的问题，这似乎可以完成这项工作。所以你的转换方法返回 (X, self.y_stored) 并且包装器使连接工作？你能提供一些代码吗？提前致谢。
老实说，我什至不记得我在这里所做工作的背景，但基于对问题和答案的快速浏览，我做了一些编辑，希望能有所帮助。跨度>

【解决方案3】：

对于堆叠最后 4 个数据点的具体示例，您可以使用seglearn。

>>> import numpy as np
>>> import seglearn
>>> x = np.arange(10)[None,:]
>>> x
array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
>>> y = x
>>> new_x, new_y, _ = seglearn.transform.SegmentXY(width=4, overlap=0.75).fit_transform(x, y)
>>> new_x
array([[0, 1, 2, 3],
       [1, 2, 3, 4],
       [2, 3, 4, 5],
       [3, 4, 5, 6],
       [4, 5, 6, 7],
       [5, 6, 7, 8],
       [6, 7, 8, 9]])
>>> new_y
array([3, 4, 5, 6, 7, 8, 9])

seglearn 声称与 scikit-learn 兼容，因此您应该能够在 scikit-learn 管道的开头安装 SegmentXY。但是，我自己还没有在管道中尝试过。

【讨论】：