如何编写具有两个输入的 fit_transformer 并将其包含在 python sklearn 的管道中？

Posted 2023-03-12

【中文标题】如何编写具有两个输入的 fit_transformer 并将其包含在 python sklearn 的管道中？

【英文标题】：How to write a fit_transformer with two inputs and include it in a pipeline in python sklearn?

【发布时间】：2017-01-26 14:56:58

【问题描述】：

鉴于一些虚假数据：

X = pd.DataFrame( np.random.randint(1,10,28).reshape(14,2) )
y = pd.Series( np.repeat([0,1], [10,4]) ) # imbalanced with more 0s than 1s

我编写了一个 sklearn 拟合转换器，它对 y 的大部分进行欠采样以匹配少数标签的长度。我想在管道中使用它。

from sklearn.base import BaseEstimator, TransformerMixin

class UnderSampling(BaseEstimator, TransformerMixin):
    def fit(self, X, y): # I don't need fit to do anything
        return self

    def transform(self, X, y):
        is_pos = y == 1
        idx_pos = y[is_pos].index
        random.seed(random_state)
        idx_neg = random.sample(y[~is_pos].index, is_pos.sum())
        idx = sorted(list(idx_pos) + list(idx_neg))
        X_resampled = X.loc[idx]
        y_resampled = y.loc[idx]
        return X_resampled, y_resampled

    def fit_transform(self, X, y):
        return self.transform(X,y)

最不幸的是，我不能在管道中使用它。

from sklearn.pipeline import make_pipeline
us = UnderSampling()
rfc = RandomForestClassifier()
model = make_pipeline(us, rfc)
model.fit(X,y)

我怎样才能使这个管道工作？

【参考方案1】：

您并不是要直接在类上调用估算器方法，而是要在类实例上调用它；这是因为估计器通常具有某种类型的存储状态（例如模型系数）：

u = UnderSampling()
a,b = u.fit(X, y)
a,b = u.fit_transform(X, y)