从 scikit 管道获取功能名称答案

【问题标题】：Get features names from scikit pipelines从 scikit 管道获取功能名称
【发布时间】：2022-11-26 15:52:25
【问题描述】：

我正在研究 ML 回归问题，我根据在线教程定义了如下所示的管道。

我的代码如下所示

pipe1 = Pipeline([('poly', PolynomialFeatures()),
                 ('fit', linear_model.LinearRegression())])
pipe2 = Pipeline([('poly', PolynomialFeatures()),
                 ('fit', linear_model.Lasso())])
pipe3 = Pipeline([('poly', PolynomialFeatures()),
                 ('fit', linear_model.Ridge())])
pipe4 = Pipeline([('poly', PolynomialFeatures()),
                 ('fit', linear_model.TweedieRegressor())])


models3 = {'OLS': pipe1,
           'Lasso': GridSearchCV(pipe2, 
                                 param_grid=lasso_params).fit(X_train,y_train).best_estimator_ ,
           'Ridge': GridSearchCV(pipe3, 
                                 param_grid=ridge_params).fit(X_train,y_train).best_estimator_,
           'Tweedie':GridSearchCV(pipe4, 
                                 param_grid=tweedie_params).fit(X_train,y_train).best_estimator_}
test(models3, df)

虽然上面的代码工作正常并给了我结果，我怎样才能得到创建的多项式特征列表？

或者我如何在数据框中查看它们？

【问题讨论】：

标签： python machine-learning scikit-learn pipeline feature-extraction

【解决方案1】：

您可以使用transform 方法生成多项式特征矩阵。为此，您首先必须访问管道中的相应步骤，在本例中，该步骤位于第 0 个索引处。以下是获取 pipe2 的多项式特征数组的方法：

feature_matrix = model3['Lasso'][0].transform(X_train)

此外，如果您希望使用特征名称生成 DataFrame，可以使用 get_feature_names_out 方法来实现：

feature_names = model['Lasso'][0].get_feature_names_out()
feature_df = pd.DataFrame(feature_matrix, columns=feature_names)

【讨论】：