sklearn：在使用 ColumnTransformer 和 Pipeline 时向 feature_importances_/coef_ 添加名称

Question

我正在参与 Kaggl 保险定价竞赛 (https://www.kaggle.com/floser/french-motor-claims-datasets-fremtpl2freq)。数据如下所示：

   IDpol    ClaimNb Exposure    Area    VehPower    VehAge  DrivAge BonusMalus  VehBrand    VehGas  Density Region
0   1.0        1        0.10       D           5         0       55        50        B12    Regular 1217    R82
1   3.0        1        0.77       D           5         0       55        50        B12    Regular 1217    R82
2   5.0        1        0.75       B           6         2       52        50        B12    Diesel  54      R22
3   10.0       1        0.09       B           7         0       46        50        B12    Diesel  76      R72
4   11.0       1        0.84       B           7         0       46        50        B12    Diesel  76      R72

对于预处理等。我正在使用包含 ColumnTransformer 的管道：

pt_columns = ['BonusMalus', 'RBVAge']
log_columns = ['Density']
kbins_columns = ['VehAge','VehPower', 'DrivAge']
cat_columns = ['Area', 'Region', 'VehBrand', 'VehGas']

X_train['RBVAge'] = 0
X_train.loc[(X_train['VehGas'] == 'Regular') & (X_train['VehBrand'] == 'B12') & (X_train['VehAge'] == 0), 'RBVAge'] = 1

ct = ColumnTransformer([('pt', 'passthrough', pt_columns),
                        ('log', FunctionTransformer(np.log1p, validate=False), log_columns),
                        ('kbins', KBinsDiscretizer(), kbins_columns),
                       ('ohe', OneHotEncoder(), cat_columns)])
pipe_poisson_reg = Pipeline([('cf_trans', ct),
                      ('ssc', StandardScaler(with_mean = False)),
                      ('poisson_regressor', PoissonRegressor())])

一旦模型拟合好，我想显示特征重要性和特征名称，如下所示：

name	feature_importances_
Area_A	0.25
Area_B	0.10
VehAge	0.30
...	...

我面临的问题是在使用 ColumnTransformer 时获取功能名称。尤其是从也使用 OneHot 编码的 KBinsDiscretizer 中获取功能名称并不容易。到目前为止，我尝试的是手动创建一个带有功能名称的 numpy 数组，但正如我所说，我无法设法从 KBinsDiscretizer 获取功能名称，而且这个解决方案似乎不是很优雅。

columnNames = np.append(pt_columns, pipe['cftrans'].transformers_[1][1].get_feature_names(cat_columns))

是否有一种简单的（甚至是内置的）方法来创建包含特征名称和特征重要性的 DataFrame？

好吧，既然我们已经在这里了（这可能有点跑题了）： 有没有一种简单的方法来创建一个自定义 ColumnTransformer，它添加了我目前手动添加的新列 'RBVAge'？

提前致谢

Answer 1

在即将发布的 v1.0 中，这将变得更加容易（或者您可以获取当前的 github 代码），其中包括 PR18444，将 get_feature_names_out 添加到 KBinsDiscretizer 以及 Pipeline（以及其他）。

如果您坚持使用您的 sklearn 版本，您可以查看source code，它可以帮助您进行相同的修补；它本身似乎并没有做太多事情，只是调用内部_encoder 对象来完成工作，而OneHotEncoder 已经有一段时间了get_feature_names（很快就会被get_feature_names_out 取代）。