Python Typeerror：所有中间步骤都应该是转换器并实现拟合和转换

Posted 2023-02-19

【中文标题】Python Typeerror：所有中间步骤都应该是转换器并实现拟合和转换

【英文标题】：Python Typeerror: All intermediate steps should be transformers and implement fit and transform

【发布时间】：2021-01-27 00:00:49

【问题描述】：

我目前正在阅读 Aurélien Géron 的《使用 Scikit-Learn 和 TensorFlow 进行机器学习实践》一书。当我运行以下代码（我复制的）时，我收到一条错误消息。错误信息似乎很清楚，但老实说我还是不明白。显然，我缺乏理解，但即使经过大量审查，我也找不到问题所在。谁能帮帮忙？

from sklearn.base import BaseEstimator, TransformerMixin 
rooms_ix, bedrooms_ix, population_ix, households_ix = 3, 4, 5, 6 

class CombinedAttributesAdder(BaseEstimator, TransformerMixin): 
    def __init__( self, add_bedrooms_per_room = True): # no *args or ** kargs 
        self.add_bedrooms_per_room = add_bedrooms_per_room 
        def fit(self, X, y = None): 
            return self # nothing else to do 
        def transform(self, X):
            rooms_per_household = X[:, rooms_ix] / X[:, households_ix] 
            population_per_household = X[:, population_ix] / X[:, households_ix] 
            if self.add_bedrooms_per_room: 
                bedrooms_per_room = X[:, bedrooms_ix] / X[:, rooms_ix] 
                return np.c_[X, rooms_per_household, population_per_household, bedrooms_per_room] 
            else: 
                return np.c_[X, rooms_per_household, population_per_household] 
            attr_adder = CombinedAttributesAdder(add_bedrooms_per_room = False) 
            housing_extra_attribs = attr_adder.transform(housing.values)

from sklearn.pipeline import Pipeline 
from sklearn.preprocessing import StandardScaler 
num_pipeline = Pipeline([('imputer', SimpleImputer(strategy ="median")), ('attribs_adder', CombinedAttributesAdder()), ('std_scaler', StandardScaler()),])
housing_num_tr = num_pipeline.fit_transform(housing_num)

错误信息：

----------------------------------- ---------------------------- TypeError Traceback（最近一次调用 最后）在 20 从 sklearn.pipeline 导入管道 21 从 sklearn.preprocessing 导入 StandardScaler ---> 22 num_pipeline = Pipeline([('imputer', SimpleImputer(strategy ="median")), ('attribs_adder', CombinedAttributesAdder()), ('std_scaler', StandardScaler()),]) 23 Housing_num_tr = num_pipeline.fit_transform(housing_num)

~\Miniconda3\lib\site-packages\sklearn\utils\validation.py 在 inner_f(*args, **kwargs) 70 未来警告） 71 kwargs.update(k: arg for k, arg in zip(sig.parameters, args)) ---> 72 返回 f(**kwargs) 第73章 74

~\Miniconda3\lib\site-packages\sklearn\pipeline.py in init(self, 步骤，记忆，详细） 112 自我记忆 = 记忆 113 self.verbose = 详细 --> 114 self._validate_steps() 115 116 def get_params(self, deep=True):

~\Miniconda3\lib\site-packages\sklearn\pipeline.py 在 _validate_steps（自我） 157 if (not (hasattr(t, "fit") or hasattr(t, "fit_transform")) 158 hasattr（t，“转换”））： --> 159 raise TypeError("所有中间步骤都应该是" 160《变形金刚与实现适配变形》 161 "或者是字符串'passthrough'"

TypeError：所有中间步骤都应该是转换器并实现 适合并转换或成为字符串“直通” 'CombinedAttributesAdder()'（类型 ma​​in.CombinedAttributesAdder'>) 没有

非常感谢！

【参考方案1】：

对我来说，问题可能出在您的缩进错误（除非只是输入错误）。方法 fit() 和 transform() 没有正确缩进（attr_adder 和 housing_extra_attribs 分配也是如此）。这样，您在管道中使用的类 CombinedAttributesAdder 的实例不是导致错误的转换器。

【讨论】：

呃，我怎么能忽略这一点.. 非常感谢 Alessandro！