如何在 sklearn 中修复这个自定义转换器?

Posted

技术标签:

【中文标题】如何在 sklearn 中修复这个自定义转换器?【英文标题】:How to fix this custom transformer in sklearn? 【发布时间】:2019-05-23 07:59:45 【问题描述】:

我编写了这个简单的自定义转换器,它用 0 填充特定列中的 na。当我在我的数据集上 fit_transform 时,它不会在指定列中填充 nas。我没有在我的代码中看到问题。

class CustomImputer(BaseEstimator, TransformerMixin): 
    def fit(self, X, y=None):
        return self
    def transform(self, X, y=None):
        for col in ('PavedDrive', 'GarageQual', 'GarageFinish', 'FireplaceQu', 'KitchenQual', 'CentralAir', 'HeatingQC', 'BsmtExposure', 'BsmtCond', 'BsmtQual', 'ExterCond', 'ExterQual', 'Street'):
            X[col].fillna(0)
        return X

我希望返回的数据框是指定列已用 0 填充 nas 的数据框,但是,我得到了一个具有相同空值的数据框。

【问题讨论】:

现在您明白正确缩进代码的重要性了。它只会导致混乱 你是对的...... 【参考方案1】:

您从未将fillna 操作分配给新变量。使用

X[col].fillna(0)

不会原地发生。而是使用:

X.loc[:,col] = X[col].fillna(0)

【讨论】:

【参考方案2】:

一个班轮解决方案是

cols = ['PavedDrive', 'GarageQual', 'GarageFinish', 'FireplaceQu', 'KitchenQual', 'CentralAir', 'HeatingQC', 'BsmtExposure', 'BsmtCond', 'BsmtQual', 'ExterCond', 'ExterQual', 'Street']

X.loc[:,cols] = X[cols].fillna(0)

【讨论】:

以上是关于如何在 sklearn 中修复这个自定义转换器?的主要内容,如果未能解决你的问题,请参考以下文章

如何在 sklearn 中编写自定义估算器并对其使用交叉验证?

如何在sklearn中使用make_scorer自定义评分功能

管道中的自定义 sklearn 转换器为 cross_validate 抛出 IndexError 但在使用 GridSearchCV 时不会

使用自定义转换器子类对 sklearn 管道进行评分时出现 AttributeError,但在拟合时却没有

在 sklearn 管道中转换估计器的结果

您好,关于 sklearn.Pipeline 的两个问题,带有用于时间序列的自定义转换器 [关闭]