如何让 SK Learn 分类器接受 2D 数组作为预测的输入？

Posted 2023-03-12

【中文标题】如何让 SK Learn 分类器接受 2D 数组作为预测的输入？

【英文标题】：How do I make an SK Learn Classifier accept a 2D array as input for predictions?

【发布时间】：2019-05-22 16:38:42

【问题描述】：

所以我制作了一个混合数据类型的模型，并使用了 SK Learn Docs 中推荐的示例，使用列转换器来构建分类器。

https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

由于输入来自 csv，并被转换为 Pandas 数据帧，因此 X_test、X_train、y_test、y_train 看起来也都是数据帧。将 y_test 传递给 clf.predict() 函数工作正常，我收到了预测。

但是，我想托管此模型 Google 云 ML 引擎，它在预测请求 API 中接受 2D 实例数组。如何让我的分类器适应并接受输入数组而不是数据框？我意识到这可能相当琐碎，但很难找到解决方案。

【问题讨论】：

传递一个 numpy 数组有效吗？如果是这样，并且您从 DataFrame df 开始，那么只需传递 df.values。如果您需要 python 原生 2D 列表，df.values.tolist()。我对 Google ML Cloud 不熟悉，所以也许这完全没有意义。

【参考方案1】：

要使您的分类器与 Google Cloud Machine Learning Engine (CMLE) 兼容，您需要从管道中分离出预处理器和 LogisticRegression 分类器。您将需要执行预处理逻辑客户端，并且独立分类器将托管在 CMLE 上。

在读取 csv 文件并定义数字和分类转换器后，您需要修改训练代码如下：

...

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, numeric_features),
        ('cat', categorical_transformer, categorical_features)])
model = LogisticRegression(solver='lbfgs')

X_train_transformed = preprocessor.fit_transform(X_train)
model.fit(X_train_transformed, y_train)
print("model score: %.3f" % model.score(preprocessor.transform(X_test), y_test))

您可以导出模型（使用 pickle 或 joblib）并将其部署到 CMLE。在构建对 CMLE 进行预测的 json 请求时，您首先需要使用 preprocessor.transform(X_test) 将数据帧预处理为二维数组。