sklearn管道ValueError:除连接轴外的所有输入数组维度必须完全匹配
Posted
技术标签:
【中文标题】sklearn管道ValueError:除连接轴外的所有输入数组维度必须完全匹配【英文标题】:sklearn pipeline ValueError: all the input array dimensions except for the concatenation axis must match exactly 【发布时间】:2020-02-19 23:49:48 【问题描述】:我有一个sklearn
管道,它提取三个不同的特征。
manual_feats = Pipeline([
('FeatureUnion', FeatureUnion([
('segmenting_pip1', Pipeline([
('A_features', A_features()),
('segmentation', segmentation())
])),
('segmenting_pip2', Pipeline([
('B_features', B_features(),
('segmentation', segmentation())
])),
('segmenting_pip3', Pipeline([
('Z_features', Z_features()),
('segmentation', segmentation())
])),
])),
])
鉴于特征 A
和 B
每个返回一个暗淡数组(记录数,10、20),而 Z
返回(记录数,10、15 )。
当我使用所有功能安装管道时,我收到此错误:
File "C:\Python35\lib\site-packages\sklearn\pipeline.py", line 451, in _transform
Xt = transform.transform(Xt)
File "C:\Python35\lib\site-packages\sklearn\pipeline.py", line 829, in transform
Xs = np.hstack(Xs)
File "C:\Python35\lib\site-packages\numpy\core\shape_base.py", line 340, in hstack
return _nx.concatenate(arrs, 1)
ValueError: all the input array dimensions except for the concatenation axis must match exactly
但是,如果我排除功能 Z
,管道可以工作,但在轴上应用的串联 = 1 暗淡(记录数,20、20)。我想要的是获得一个 (# of records, 10, 40) 维度的数组,其中连接过程应用于axis=2
。
如何在不编辑库源代码的情况下使用Pipeline
获得我想要的内容?
编辑:
我提到A
和B
的串联会产生一个(记录数,10、40)DIM 数组。这不正确;它产生一个 DIM 数组(记录数,20、20)。我将编辑问题。
【问题讨论】:
查看Pipeline
代码,并尝试弄清楚您的输入是如何转换为Xt
和Xs
的。它必须假设Xs
是二维数组的列表或数组,应该在最后一个轴上连接。第一个轴必须匹配,但它不匹配(出于某种原因)。
谢谢@hpaulj,但我不想更改pipeline
代码中的某些内容,我可以用Xs = np.concatenate(Xs, axis=-1)
更改Xs = np.hstack(Xs)
行,它可以工作。我可以在那里更改连接过程的轴,但我想在我的代码中添加一些东西。
【参考方案1】:
我通过创建一个处理连接过程的转换器解决了这个问题。
class append_split_3D(BaseEstimator, TransformerMixin):
def __init__(self, segments_number=20, max_len=50, mode='append'):
self.segments_number = segments_number
self.max_len = max_len
self.mode = mode
self.appending_value = -5.123
def fit(self, X, y=None):
return self
def transform(self, data):
if self.mode == 'append':
self.max_len = self.max_len - data.shape[2]
appending = np.full((data.shape[0], data.shape[1], self.max_len), self.appending_value)
new = np.concatenate([data, appending], axis=2)
return new
elif self.mode == 'split':
tmp = []
for item in range(0, data.shape[1], self.segments_number):
tmp.append(data[:, item:(item + self.segments_number), :])
tmp = [item[item != self.appending_value].reshape(data.shape[0], self.segments_number, -1) for item in tmp]
new = np.concatenate(tmp, axis=2)
return new
else:
print('Error: Mode value is not defined')
exit(1)
整个管道变成这样的地方:
manual_feats = Pipeline([
('FeatureUnion', FeatureUnion([
('segmenting_pip1', Pipeline([
('A_features', A_features()),
('segmentation', segmentation()),
('append', append_split_3D(max_len=50, mode='append')),
])),
('segmenting_pip2', Pipeline([
('B_features', B_features(),
('segmentation', segmentation())
('append', append_split_3D(max_len=50, mode='append')),
])),
('segmenting_pip3', Pipeline([
('Z_features', Z_features()),
('segmentation', segmentation())
('append', append_split_3D(max_len=50, mode='append')),
])),
])),
('split', append_split_3D(segments_number=10, mode='split')),
])
我在这个转换器中所做的如下:
例如,我拥有的功能 A
、B
和 Z
返回以下数组:
A
: (记录数, 10, 20)
B
: (记录数, 10, 20)
Z
:(记录数,10、15)
在mode='append'
中,我将所有数组附加最大长度值为50
的额外固定值(作为示例)以具有相同的axis=2
暗淡并允许函数Xs = np.hstack(Xs)
工作。
因此,管道将返回一个数组:(# of records, 30, 50)
然后,在mode=split'
中,我将它添加到管道的末尾,我将最终数组拆分为它们附加的形状:(# of records, 30, 50)
到 3 个暗淡的特征数组(# of records, 10, 50)
然后我删除额外的固定值,并在最后一个暗淡上应用连接。
最终数组的暗度为:(# of records, 10, 55)
。 55是数组第3维的串联(20+20+15),这就是我想要的。
【讨论】:
以上是关于sklearn管道ValueError:除连接轴外的所有输入数组维度必须完全匹配的主要内容,如果未能解决你的问题,请参考以下文章
如何使用 sklearn 管道跟踪 catboost 的分类索引
ValueError:使用 GridSearch 参数时估计器 CountVectorizer 的参数模型无效
带有 SkLearn 管道的 GridSearch 无法正常工作